OpenBMB/VoxCPM — 无 Tokenizer 的开源 TTS，2B 参数支持 30 语言+声音设计+48kHz（23k ⭐）
0 次浏览
2026/5/31
OpenBMB/VoxCPM2 — 无 Tokenizer 的端到端扩散 TTS
GitHub: https://github.com/OpenBMB/VoxCPM Stars: 23,118 (今日 trending) 作者: OpenBMB (清华面壁团队) 最新版: VoxCPM2 — 2B 参数，200万小时训练数据 许可: Apache-2.0，可商用
技术突破
绕过离散 Tokenization，直接用扩散自回归架构生成连续语音表示，基于 MiniCPM-4 骨干网络，实现高自然度和表现力。
核心功能
- 30 种语言 — 无需语言标签，直接输入目标语言文本
- 声音设计 — 仅凭自然语言描述（性别、年龄、情感、语速）创造全新声音，无需参考音频
- 可控克隆 — 短参考音频克隆声音，可叠加情感和风格引导
- 极致克隆 — 同时提供参考音频和文本，完美还原音色、节奏、情感
- 48kHz 输出 — AudioVAE V2 非对称编解码，内置超分辨率，无需外部升采样
- 实时流式 — RTF ~0.3（RTX 4090），vLLM 加速后 ~0.13
支持中文方言
四川话、粤语、吴语、东北话、河南话、陕西话、山东话、天津话、闽南话
适合场景
语音 Agent、有声书制作、多语言内容本地化、不想依赖商业 TTS API 的开发者和企业。
免责声明
本站内容主要用于信息整理、技术研究与经验分享，不对第三方产品或服务的可用性、完整性作出任何明示或暗示的保证。
- 本站所分享的资源、工具、教程等内容仅供学习与研究参考，请勿用于商业用途。
- 部分内容可能来源于公开网络或开源社区，如涉及版权或其他合法权益问题，请通过联系方式与我们联系，我们将在核实后及时处理。
- 如需将相关内容用于商业产品或盈利性业务，请自行联系权利方获取正式授权。
- 因不当使用引发的版权或合规风险，由使用者自行承担。
- 外部链接失效或无法访问属于正常现象，本站不保证所有链接的持续有效性。
转载或引用本文内容，请保留原文链接并注明来源。
评论
加载中...