OmniVoice官方版正版 v0.3.7

OmniVoice官方版正版一款集成了全新的实时听写、语音克隆、影视级视频配音，让用户可以在这里体验本地化语音便捷制作。OmniVoice Studio免费版主打着就是开源免费，用户可以在这里体验多样化的语音编辑，无论是克隆还是分离，甚至都能在这里为视频配音，让用户轻松玩转每一个视频声音。

OmniVoice官方版正版简介：

1、本地 WebSocket 流式识别：听写功能通过本地 WebSocket 进行实时流式语音识别。

2、多模态配音管线：集成音视频分离、ASR 转录、说话人分离、翻译与 TTS 重组的完整工作流。

3、显存智能感知卸载：内存 ≤ 8GB 时，TTS 模型自动卸载到 CPU 运行;≥ 8GB 时全部在 GPU 上运行。

4、无 GPU 兼容：纯 CPU 模式可运行，TTS 速度约为 GPU 模式的 1/3。

OmniVoice官方版正版特色：

1、不用参考音频也能自制全新人声，性别、年龄、口音、音高、语速、情绪、方言全部可调。想做沉稳中年旁白、温柔少女音、厚重播音腔、外国口音台词，拖动参数就能实时预览，调整好的音色一键存入本地声音库，后续项目直接调取，不用反复重新调节。

2、只需要一段 3 秒干净音频，就能完整复刻任何人的声线，零样本无需训练，上传素材立刻生成语音。覆盖 646 种语言，不管各国小语种、国内各类方言都能适配，克隆完成后还能跨语言生成配音，用中文样本也能生成日语、英语、俄语旁白。

3、日常做解说、虚拟主播、有声书都够用，生成的人声自然流畅，没有机械电子音，还支持 A/B 双轨试听对比，方便挑选最合适的音色版本。

OmniVoice官方版正版优势：

1、最低内存要求为 4 GB。内存 ≤ 8 GB 时，TTS 模型会在转录过程中自动卸载到 CPU 上运行。内存 ≥ 8 GB 时，所有操作都会同时在 GPU 上运行。完全没有 GPU?CPU 模式也能运行，只是速度会慢一些(TTS 速度大约慢 3 倍)。

2、对于语音克隆和配音，OmniVoice 的确可以胜出——它采用最先进的扩散式 TTS 模型，支持 646 种语言(ElevenLabs 仅支持 32 种)。在大多数应用场景下，两者的质量不相上下。ElevenLabs 的优势在于其完善的云 API 和预制语音库。而 OmniVoice 则在隐私性、成本、语言覆盖范围和可定制性方面更胜一筹。

3、是的。MPS 加速功能会自动检测。针对 Apple 硬件，Whisper 推出了 MLX 优化版本，可实现更快的转录速度。

OmniVoice官方版正版亮点：

1、电影级视频自动翻配：支持导入 YouTube 链接或本地 MP4，自动分离人声与背景音，完成说话人识别、文本切片后用克隆音色重组输出新语言视频。

2、全局悬浮听写：通过全局快捷键唤起悬浮窗，实时语音转文字并自动粘贴到光标所在输入框。

3、零样本声音克隆：支持导入 3 秒目标音频样本，无需微调训练即可复刻音色。

4、声音设计：自由调节性别、年龄、口音、音高、速度、情感及方言，生成声线可存入本地声音画廊。

OmniVoice官方版正版测评：

1、646 种语言覆盖：支持全球绝大多数语言的语音克隆与合成。

2、开箱即用的桌面体验：提供精美跨平台 GUI，告别命令行配置，降低使用门槛。

3、极低硬件门槛：最低 4GB 内存可运行，8GB 以下自动切 CPU，彻底避免显存溢出崩溃。

4、完全本地离线：所有处理均在本地完成，无需联网，保障隐私与数据安全。