2026年4月，小米下一代Kaldi团队（k2-fsa）正式开源超大规模多语言零样本文本转语音（TTS）模型OmniVoice，支持超600种语言语音合成。该模型多项指标达行业最优（SOTA），中文测试集词错误率（WER）低至0.84%，多语言表现超越ElevenLabs v2、MiniMax等主流商用模型，推理速度较实时快40倍，为小语种语音留存、跨境内容生产等场景提供全新技术支撑。
在全球文化数字化、跨境服务需求爆发的当下，多语言语音合成技术的覆盖广度、性能表现一直是制约行业落地的核心瓶颈。此前主流商用TTS模型最多支持百余种语言，大量使用人口少、语料储备不足的小语种，始终缺乏低成本的语音数字化路径。小米本次开源的OmniVoice，恰恰填补了这一市场空白。
---
此次发布的OmniVoice由小米深耕语音技术多年的k2-fsa团队研发，该团队此前主导的Kaldi开源语音框架，是全球语音领域应用最广的基础工具之一，拥有深厚的技术积累。
在官方披露的测试数据中，OmniVoice在Seed-TTS中文测试集上的**词错误率（WER）仅为0.84%**，相当于每合成100个汉字仅出现不到1个识别错误，语音辨识度接近真人发音水平。在多语言基准测试中，其语音相似度、词错误率两项核心指标均超越ElevenLabs v2、MiniMax等全球主流商用TTS模型，自然度表现跻身第一梯队。
推理效率方面，OmniVoice的实时因子（RTF）低至0.025，**合成速度较实时快40倍**，也就是说生成1分钟的语音内容仅需1.5秒，完全满足实时交互、批量内容生产等场景的效率要求。
---
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
1 天前
2026年4月，被Claude官方封禁接口的AI开发框架OpenClaw正式上线4.5版本，由创始人Peter（业内称“龙虾之父”）带队研发，本次更新移除新用户默认后端中的Claude CLI，重构梦境记忆系统，新增内置视频、图像、音乐生成功能，Claude Code之父Boris Cherny也现身该版本发布相关讨论，事件引发AI开发者圈广泛关注。
1 天前
英伟达近期完成对开源集群调度工具Slurm的开发主体SchedMD的收购，引发全球AI计算领域对开源工具商业独立性的广泛讨论。据行业调研数据，当前全球超70%的AI训练GPU集群采用Slurm作为调度核心，其中近六成集群搭载多品牌异构GPU，此次收购后Slurm的开源属性与路线适配性成为企业用户核心关切。
5 天前
2026年4月3日，小米正式官宣为旗下MiMo大模型推出首个Token订阅套餐，共设Lite、Standard、Pro、Max四档，定价从39元/月到659元/月不等，面向开发者及AI深度兴趣群体提供服务，任意档位订阅均可解锁MiMo家族三大核心模型的调用权限，此举标志着小米AI生态正式进入商业化付费阶段。
5 天前
2026年3月底小米正式面向全球开发者推出自研MiMo大模型首个Token Plan订阅套餐，共设四档月费39元至659元，通过统一Credit点数实现多模型多模态调用透明计费。旗下MiMo-V2-Pro模型以万亿参数、百万上下文窗口位列全球大模型评测第五，目前MiMo系列周调用量已突破4万亿Token，此举标志小米AI商业化进入规模化交付阶段。
6 天前
2026年4月2日，基于Java开发的国产开源LLMOps平台Maxkb4j正式发布v2.6.0版本。本次更新在技能扩展、安全鉴权、系统稳定性三大维度完成升级，新增Shell工具集成、Webhook Token鉴权等核心功能，同步升级langchain4j版本，为开发者搭建LLM工作流、开发RAG相关应用提供更强底层支撑。
7 天前
2026年4月2日，美团LongCat团队正式发布并开源端到端音频生成模型LongCat-AudioDiT，提供1B、3.5B两个参数版本。该模型首创波形潜空间直接建模架构，摒弃传统TTS系统的梅尔频谱中间表征，搭载全卷积设计的Wav-VAE可将24kHz波形压缩2000倍至11.7Hz帧率，大幅降低信息损耗与误差累积，成功刷新零样本音色克隆性能SOTA。
7 天前
2026年4月1日，高德正式全量开源全球首个统一架构机器人具身操作基座模型ABot-M0，该模型旨在以“一个通用大脑适配多形态机器人”，打破异构硬件壁垒。其在Libero-Plus基准测试中任务成功率达80.5%，较此前行业标杆Pi0提升近30%，同时开源覆盖数据、算法、预训练模型三大维度，推动具身智能落地提速。
8 天前
2026年3月31日，小米正式发布搭载HyperOS 4设计语言的原生智能键盘，将深度AI能力直接植入输入法核心，新增AI聊天、多语种自动检测实时翻译两大核心AI功能，同时在按键设计、自定义权限、交互反馈等维度完成全面升级，打破传统输入法单一输入属性，重构移动端指尖交互体验。
如果追不上光，那就成为光！
滇公网安备 53252802528133号
