Omnivoice: Vozes de IA realistas
em 646 idiomas
Omnivoice lê qualquer roteiro naturalmente, copia uma voz a partir de um clipe curto e inventa novos falantes a partir de texto simples — um modelo, 646 idiomas.
[ Recursos ]
Todas as ferramentas que seus projetos de voz precisam
Texto para fala em 646 idiomas
Cole um roteiro e o Omnivoice retorna um áudio claro e natural em segundos. Um único modelo compartilhado cobre todos os idiomas — não é preciso alternar.
Clonagem instantânea de voz
Envie uma gravação de 3 a 25 segundos. Tom, sotaque e ritmo são capturados e depois reutilizados em qualquer idioma sem treinamento.
Crie uma voz com palavras
Pule o microfone. Descreva idade, tom, sotaque e modo de falar, e um locutor correspondente surge a partir dessa descrição.
Emoção e Sinais Não Verbais
Digite tags como [laughter] ou [sigh] no texto. O Omnivoice as interpreta no lugar, do jeito que as pessoas reais falam.
[ Texto para Fala ]
Texto para Fala com Omnivoice
Um único modelo lê texto em voz alta em 646 idiomas — inglês e japonês, mas também galês, suaíli e tok pisin. Curioso para ouvir como soa? Abrir o gerador de fala.
Um motor. Todos os idiomas.
- ✓646 idiomas processados por um único modelo
- ✓Ritmo natural em idiomas majoritários e de baixo recurso
- ✓Controle de pronúncia para inglês e japonês
- ✓Velocidade da fala ajustável de 0,5× a 2,0×
[ Clonagem de Voz ]
Copie Qualquer Voz — Sem Etapa de Treinamento
O Omnivoice clona em zero-shot: envie um breve clipe de referência e receba na hora uma nova fala com essa mesma voz, sem nenhum ajuste fino envolvido.
Amostra na entrada, locutor na saída.
- ✓Áudio de referência a partir de apenas 3 segundos
- ✓O Whisper ASR transcreve o clipe automaticamente
- ✓Clonagem translinguística em todos os 646 idiomas
- ✓Mantém-se estável em gravações ruidosas e imperfeitas
[ Design de Voz ]
Pule o microfone. Escreva a voz que você quer.
O Design de Voz cria um locutor personalizado apenas com palavras. Especifique idade, tom, sotaque e estilo, e o Omnivoice produz uma voz adequada na hora.
DEMO
Transcrição
Escolha uma predefinição à esquerda para carregar linhas de exemplo e um prompt inicial.
Prompt
[ Vitrine ]
Onde as equipes aplicam o Omnivoice
De audiolivros a diálogos descontraídos dentro do jogo, o Omnivoice oferece às equipes conteúdo de voz natural para muitos tipos de produtos e pipelines.
[ Benefícios ]
Por que o Omnivoice se destaca
Alcance amplo de idiomas, correspondência fiel de voz e inferência rápida, combinados em uma única stack pronta para produção.
646 idiomas, um modelo
O ElevenLabs oferece 32 idiomas e o PlayHT, 132. O Omnivoice alcança 646, incluindo centenas de idiomas com poucos recursos que outros deixam de lado.
Menos erros de palavra
Em um benchmark de 24 idiomas, o modelo obteve taxa de erro de palavra de 2.85% contra 10.95% do ElevenLabs — menos regravações, escuta mais limpa.
Ref. arXiv 2604.00688 (Tabela 3)
Correspondência de locutor mais próxima
A similaridade de locutor (SIM-o) atinge 0.830 contra 0.655 do ElevenLabs, então uma voz clonada soa como a pessoa real.
Ref. arXiv 2604.00688 (Tabela 3)
Velocidade feita para produção
A inferência em lote roda a RTF 0.022 — um minuto de áudio em cerca de 1.3 segundos. Rápida para apps ao vivo, escalável para tarefas em lote.
Clonagem entre idiomas
Grave uma voz em inglês e depois ouça-a falar japonês, árabe ou suaíli. Sem amostras extras por idioma.
Arquitetura de passagem única
Muitas stacks de TTS encadeiam texto → semântica → áudio e acumulam erros. O Omnivoice vai do texto ao áudio em uma única etapa.
[ Comparação ]
Omnivoice lado a lado
Veja como o Omnivoice se compara em alcance de idiomas, abertura e recursos essenciais de voz.
| Recurso | Omnivoice | ElevenLabs | PlayHT |
|---|---|---|---|
| Idiomas | 646 | 32 | 132 |
| WER multilíngue | 2.85% | 10.95% | — |
| Similaridade do locutor | 0.830 | 0.655 | — |
| Pesos abertos | Sim | Não | Não |
| Auto-hospedagem | Apache 2.0 | Não | Não |
| Design de voz somente com texto | Sim | Não | Não |
| Clonagem entre idiomas | Sim | Limitada | Não |
| Velocidade de inferência | ~45× em tempo real | — | — |
* Valores de WER e SIM-o: arXiv 2604.00688, Tabela 3, 24 idiomas.
[ FAQ ]
Perguntas, respondidas
Respostas curtas sobre o modelo, seus recursos e como começar.
O que é o OmniVoice?
O OmniVoice é um modelo de voz de IA de código aberto para 646 idiomas. Ele lê texto em voz alta, clona vozes a partir de clipes curtos e cria locutores a partir de descrições. A equipe k2-fsa o treinou com cerca de 581,000 horas de dados de fala abertos.
Posso executar o modelo por conta própria?
Sim. Os pesos são distribuídos sob Apache 2.0, então você pode hospedar o OmniVoice no seu próprio hardware ou usar uma ferramenta hospedada para dispensar a configuração.
Quantos idiomas são cobertos?
646 — os principais, como inglês, japonês, espanhol e árabe, além de centenas de idiomas com poucos recursos que a maioria das ferramentas de TTS ignora.
Como funciona a clonagem?
Forneça uma referência de 3–25 segundos e o perfil do locutor é extraído de imediato, sem treinamento. Essa voz pode então falar qualquer idioma compatível.
Como ele se compara ao ElevenLabs?
Em um teste com 24 idiomas, o OmniVoice registrou 2.85% de WER contra 10.95% e 0.830 de similaridade contra 0.655, em 646 idiomas em vez de 32.
O que o Voice Design faz?
Ele cria uma voz sem entrada de áudio. Descreva-a — "masculina, calorosa, sotaque irlandês, animada" — e um locutor correspondente é gerado.
O uso comercial é permitido?
Apache 2.0 permite, e o treinamento usou apenas conjuntos de dados de código aberto, o que mantém o licenciamento simples.
Preciso de uma GPU?
Ele roda em NVIDIA (CUDA 12.8), Apple Silicon e CPU. Uma GPU é recomendada para produção — uma H20 atinge cerca de 45× o tempo real.
Pronto quando você estiver