OmniVoice 与 VoxCPM2 对比:该选哪个开源文字转语音模型?
OmniVoice 覆盖 600 多种语言,但权重仅限非商业使用;VoxCPM2 覆盖 30 种语言,采用 Apache 2.0。对比语言、声音设计和许可证。
结论. 先看许可证,再看语言。VoxCPM2 是 2B 模型,采用 Apache 2.0,可以用在产品里。它覆盖 30 种语言,支持 48 kHz 输出、根据文字描述设计声音和克隆,大约 8 GB 显存就能运行。OmniVoice 更小,只有 0.6B,覆盖 600 多种语言,但它的权重是 CC BY-NC,尽管代码是 Apache 2.0,也只能用于研究和个人项目。OmniVoice 的声音设计只用中文和英文训练,两家开发者都禁止冒充和欺诈。
规格
| 规格 | OmniVoice | VoxCPM2 |
|---|---|---|
| 开发方 | Xiaomi | OpenBMB |
| 发布时间 | 2026年4月1日 | 2026年4月 |
| 总参数量 | 613M (OmniVoice) | 2.29B (VoxCPM2) |
| 激活参数量 | 全部 | 全部 |
| 架构 | 扩散 | 扩散 |
| 上下文窗口 | – | – |
| 输入 | 文本, 音频 | 文本, 音频 |
| 许可证 | CC BY-NC (非商用) | Apache 2.0 (宽松) |
| 最小版本所需内存(4 位) | 3.75 GB (OmniVoice) | 8 GB (VoxCPM2) |
性能数据来自开发方,未经独立验证。
选 OmniVoice 的情况
- 你需要 VoxCPM2 那 30 种语言之外的语言,OmniVoice 列出了 600 多种。
- 你的用途是研究或个人项目,所以 CC BY-NC 许可证没有问题。
- 你想用一个 0.6B 的小模型在单张 GPU 上快速批量生成。
- 你需要其他模型没有覆盖的低资源语言,并且能接受不够稳定的结果。
选 VoxCPM2 的情况
- 你在做产品,因为 Apache 2.0 允许商用。
- 你想根据文字描述生成新的声音,不需要参考音频。
- 你需要 48 kHz 输出或中文方言。
- 你想在 Apache 2.0 许可证下,用几分钟的音频克隆声音或做微调。