OmniVoice: Kloning Suara dalam Berbagai Bahasa
Salah satu rilis paling mengesankan dari Xiaomi adalah OmniVoice, model text-to-speech dari tim Kaldi generasi berikutnya di Lab AI Xiaomi, yang dirilis open-source pada Mei 2026.
OmniVoice mendukung 646 bahasa, termasuk banyak bahasa dengan sumber daya rendah yang memiliki sedikit data pelatihan.
Model ini adalah model kloning suara zero-shot, yang berarti dapat mengkloning suara hanya dari beberapa detik audio referensi dan menghasilkan ucapan yang terdengar alami lintas bahasa sambil mempertahankan karakteristik suara asli.
Keunggulan teknis OmniVoice terletak pada arsitektur transformer tunggal yang menyederhanakan pemetaan teks langsung ke token akustik.
Hal ini memungkinkan pelatihan pada 100.000 jam data audio dalam satu hari dan menjalankan inferensi hingga 40x kecepatan real-time menggunakan PyTorch.
Xiaomi mengatakan OmniVoice adalah model TTS kloning suara pertama yang mencakup ratusan bahasa.
Model ini juga memiliki alat praktis untuk memperbaiki pengucapan rumit, seperti karakter Cina polifonik atau kata benda bahasa Inggris yang tidak umum.
Semua tersedia di bawah lisensi Apache-2.0.
MiMo-V2.5-TTS dan ASR: Pipeline Suara Lengkap
Bersamaan dengan peluncuran V2.5 yang lebih luas, Xiaomi juga merilis MiMo-V2.5-TTS dan sistem ASR (Automatic Speech Recognition).
Model TTS mendukung kloning suara, dan ASR menangani pengenalan bilingual. Bersama-sama, mereka memungkinkan pengembang membangun produk berbasis suara ujung-ke-ujung tanpa harus menggabungkan alat dari penyedia berbeda.
Xiao AI dan HyperAI: Sisi Konsumen
Di sisi konsumen, Xiaomi memiliki dua pengalaman AI utama untuk pengguna biasa. Xiao AI adalah asisten suara lama Xiaomi yang tersedia di ponsel, speaker pintar, dan perangkat wearable.
Dengan HyperOS 2, Xiao AI ditingkatkan menjadi "Super Xiao AI" dengan memori konteks yang lebih baik, kontrol perangkat rumah yang lebih pintar, dan kemampuan menghasilkan gambar dari teks.
