OmniVoice против VoxCPM2: какую открытую модель синтеза речи выбрать?

OmniVoice покрывает более 600 языков, но её веса некоммерческие; VoxCPM2 покрывает 30 языков под Apache 2.0. Сравнение языков, дизайна голоса и лицензии.

  • Обновлено

Вердикт. Выбирайте сначала по лицензии, потом по языкам. VoxCPM2 — модель 2B под Apache 2.0, значит её можно использовать в продукте. Она покрывает 30 языков, выдаёт 48 kHz, умеет создавать голос по текстовому описанию и клонировать и работает примерно на 8 ГБ VRAM. OmniVoice меньше, 0.6B, и покрывает более 600 языков, но её веса под CC BY-NC, то есть только для исследований и личных проектов, хотя код под Apache 2.0. Дизайн голоса OmniVoice обучался только на китайском и английском, а оба разработчика запрещают выдачу себя за других и мошенничество.

Характеристики

Характеристики OmniVoiceVoxCPM2
РазработчикXiaomiOpenBMB
Дата выпуска1 апреля 2026 г.апрель 2026 г.
Всего параметров613M (OmniVoice)2.29B (VoxCPM2)
Активные параметрыВсеВсе
АрхитектураДиффузионнаяДиффузионная
Контекстное окно––
ВходТекст, АудиоТекст, Аудио
Лицензия CC BY-NC (Некоммерческая) Apache 2.0 (Пермиссивная)
Память для минимального варианта (4 бита)3.75 GB (OmniVoice)8 GB (VoxCPM2)

Заявления о производительности поступают от разработчика и не проверялись независимо.

Выбирайте OmniVoice, если

  • Вам нужен язык за пределами 30 у VoxCPM2: OmniVoice перечисляет более 600 языков.
  • Ваше использование — исследование или личное, значит лицензия CC BY-NC подходит.
  • Вам нужна быстрая пакетная генерация на одной GPU небольшой моделью 0.6B.
  • Вам нужны малоресурсные языки, которых нет у других моделей, и вы готовы к менее стабильным результатам.

Выбирайте VoxCPM2, если

  • Вы делаете продукт: Apache 2.0 разрешает коммерческое использование.
  • Вы хотите новый голос по текстовому описанию, без референсного аудио.
  • Вам нужен вывод 48 kHz или китайские диалекты.
  • Вы хотите клонировать голос или дообучить модель на нескольких минутах аудио под Apache 2.0.

OmniVoice · VoxCPM2