Xiaomi mở mã nguồn OmniVoice, mô hình TTS sao chép giọng hơn 600 ngôn ngữ

Xiaomi AI Labs vừa ra mắt OmniVoice, mô hình TTS sao chép giọng nói đa ngôn ngữ với khả năng hỗ trợ 646 ngôn ngữ.

Mô hình này dùng kiến trúc Transformer một chiều-bidirectional tối giản, được công bố là cho chất lượng tổng hợp giọng nói và tốc độ suy luận tốt hơn các mô hình phổ biến trong các kịch bản tiếng Trung và tiếng Anh.

OmniVoice được huấn luyện trên khoảng 580.000 giờ dữ liệu từ 50 bộ dữ liệu nguồn mở. Với các ngôn ngữ ít dữ liệu, mô hình áp dụng chiến lược upsampling động để cải thiện đầu ra.

Trong các bài kiểm tra với 24 và 102 ngôn ngữ, độ مشابه giọng và khả năng nhận dạng lời nói của OmniVoice được cho là vượt nhiều hệ thống thương mại. Một số chỉ số còn tiệm cận hoặc vượt giọng nói thật.

Mô hình cũng hỗ trợ sao chép giọng liên ngôn ngữ, điều chỉnh âm sắc tùy chỉnh, thích ứng với âm thanh tham chiếu nhiều nhiễu, kiểm soát phương ngữ và sửa phát âm. Mã huấn luyện, mã suy luận và trọng số mô hình đã được mở nguồn trên GitHub và Huggingface.

Tuyên bố miễn trừ: Bài viết này chỉ nhằm mục đích cung cấp thông tin dưới dạng blog cá nhân, không phải là khuyến nghị đầu tư. Nhà đầu tư cần tự nghiên cứu kỹ lưỡng trước khi đưa ra quyết định và chúng tôi không chịu trách nhiệm đối với bất kỳ quyết định đầu tư nào của bạn.

Theo Nghị quyết số 05/2025/NQ-CP ngày 09/09/2025 của Chính phủ về việc thí điểm triển khai thị trường tài sản số tại Việt Nam, TinTucBitcoin.com hiện chỉ cung cấp thông tin cho độc giả quốc tế và không phục vụ người dùng tại Việt Nam cho đến khi có hướng dẫn chính thức từ cơ quan chức năng.