OmniVoice と VoxCPM2 の比較:どちらのオープンな音声合成(TTS)モデルを選ぶべきか?

OmniVoice は 600 以上の言語に対応しますが、重みは非商用です。VoxCPM2 は Apache 2.0 で 30 言語に対応します。言語、ボイスデザイン、ライセンスを比較します。

  • 更新日

結論. まずライセンス、次に対応言語で選びましょう。VoxCPM2 は Apache 2.0 の 2B モデルなので、製品に使えます。30 言語に対応し、出力は 48 kHz、テキスト記述からのボイスデザインやクローニングに対応し、約 8 GB の VRAM で動きます。OmniVoice は 0.6B と小さく、600 以上の言語に対応しますが、重みは CC BY-NC なので、コードは Apache 2.0 でも研究と個人プロジェクト向けです。OmniVoice のボイスデザインは中国語と英語のみで学習されており、両開発者ともなりすましや詐欺を禁じています。

仕様

仕様 OmniVoiceVoxCPM2
開発元XiaomiOpenBMB
リリース日2026年4月1日2026年4月
総パラメータ数613M (OmniVoice)2.29B (VoxCPM2)
アクティブパラメータ数すべてすべて
アーキテクチャ拡散モデル拡散モデル
コンテキストウィンドウ––
入力テキスト, 音声テキスト, 音声
ライセンス CC BY-NC (非商用) Apache 2.0 (パーミッシブ)
最小バリエーションの必要メモリ(4ビット)3.75 GB (OmniVoice)8 GB (VoxCPM2)

性能に関する主張は開発元によるもので、独自検証は行っていません。

OmniVoice を選ぶべきケース

  • VoxCPM2 の 30 言語にない言語が必要な場合。OmniVoice は 600 以上の言語を挙げています。
  • 用途が研究や個人なら、CC BY-NC ライセンスでも問題ありません。
  • 0.6B の小さなモデルで、1 枚の GPU 上の高速バッチ生成が欲しい場合。
  • 他のモデルがカバーしない低資源言語が必要で、やや不安定な結果を受け入れられる場合。

VoxCPM2 を選ぶべきケース

  • 製品を作っている場合。Apache 2.0 なら商用利用できます。
  • 参照音声なしで、テキスト記述から新しい声を作りたい場合。
  • 48 kHz 出力や中国語の方言が必要な場合。
  • Apache 2.0 の下で、数分の音声から声をクローンしたりファインチューニングしたりしたい場合。

OmniVoice · VoxCPM2