OmniVoice frente a VoxCPM2: ¿qué modelo de texto a voz abierto deberías usar?
OmniVoice cubre más de 600 idiomas pero sus pesos no son comerciales; VoxCPM2 cubre 30 idiomas bajo Apache 2.0. Compara idiomas, diseño de voz y licencia.
Veredicto. Elige primero por la licencia y luego por los idiomas. VoxCPM2 es un modelo de 2B bajo Apache 2.0, así que puedes usarlo en un producto. Cubre 30 idiomas con salida a 48 kHz, diseño de voz a partir de una descripción de texto y clonación, y funciona con unos 8 GB de VRAM. OmniVoice es más pequeño, de 0.6B, y cubre más de 600 idiomas, pero sus pesos son CC BY-NC, así que es para investigación y proyectos personales aunque el código sea Apache 2.0. El diseño de voz de OmniVoice se entrenó solo con chino e inglés, y ambos desarrolladores prohíben la suplantación y el fraude.
Especificaciones
| Especificaciones | OmniVoice | VoxCPM2 |
|---|---|---|
| Desarrollador | Xiaomi | OpenBMB |
| Lanzamiento | 1 de abril de 2026 | abril de 2026 |
| Parámetros totales | 613M (OmniVoice) | 2.29B (VoxCPM2) |
| Parámetros activos | Todos | Todos |
| Arquitectura | Difusión | Difusión |
| Ventana de contexto | – | – |
| Entrada | Texto, Audio | Texto, Audio |
| Licencia | CC BY-NC (No comercial) | Apache 2.0 (Permisiva) |
| Memoria de la variante más pequeña (4 bits) | 3.75 GB (OmniVoice) | 8 GB (VoxCPM2) |
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
Elige OmniVoice si
- Necesitas un idioma fuera de los 30 de VoxCPM2, ya que OmniVoice lista más de 600 idiomas.
- Tu uso es de investigación o personal, así que la licencia CC BY-NC está bien.
- Quieres generación por lotes rápida en una GPU con un modelo pequeño de 0.6B.
- Necesitas idiomas de bajos recursos que otros modelos no cubren y puedes aceptar resultados menos estables.
Elige VoxCPM2 si
- Estás creando un producto, porque Apache 2.0 permite el uso comercial.
- Quieres una voz nueva a partir de una descripción de texto, sin audio de referencia.
- Necesitas salida a 48 kHz o dialectos chinos.
- Quieres clonar una voz o afinar con unos minutos de audio bajo Apache 2.0.