∴ GitHub / 趋势仓库

OpenBMB / VoxCPM

免分词扩散自回归架构的多语言语音合成与克隆系统

语言
Python
Star
40.4k
Fork
4.6k
当日新增(10-24)
+150
累计在榜
4 天
最高名次
第 7 名
首次上榜
2026-09-14
去 GitHub 查看 ↗项目主页 ↗

∴ 是什么

VoxCPM 是一个免分词(tokenizer-free)的文本到语音(TTS)系统,通过端到端的扩散自回归架构直接生成连续语音表示。VoxCPM2 是其主要版本,基于 MiniCPM-4 骨干,包含 2B 参数模型,支持 30 种语言和 48kHz 音频输出。系统由语音生成、语音设计、可控克隆和终极克隆等模块组成。

∴ 解决什么问题

  • 传统 TTS 依赖离散分词,导致语音自然度和表现力受限
  • 多语言合成通常需要语言标签,VoxCPM2 无需此步骤
  • 需要参考音频才能创建新声音,VoxCPM2 支持纯文本描述生成语音
  • 克隆语音时难以保留原始音色的全部细节,终极克隆通过音频延续方式解决

∴ 怎么上手

  1. 01pip install voxcpm
  2. 02from voxcpm import VoxCPM; import soundfile as sf; model = VoxCPM.from_pretrained("openbmb/VoxCPM2", load_denoiser=False)
  3. 03wav = model.generate(text="VoxCPM2 is the current recommended release for realistic multilingual speech synthesis.", cfg_value=2.0, inference_timesteps=10, seed=42)
  4. 04sf.write("demo.wav", wav, model.tts_model.sample_rate)
  5. 05CLI 使用:voxcpm design --text "VoxCPM2 brings studio-quality multilingual speech synthesis." --output out.wav
  6. 06Web Demo 运行:python app.py --port 8808

∴ 适合谁

面向需要多语言语音合成、自定义声音设计或高保真语音克隆的开发者,以及需要流式或批量 TTS 服务的应用场景使用者

∴ 要点

  • 支持 30 种语言,无需语言标签直接合成
  • 支持声音设计,仅凭自然语言描述即可创建新声音
  • 支持可控克隆,可保留原音色并调整情绪、语速和表达
  • 支持终极克隆,提供参考音频和文本可复现所有声音细节
  • 输出 48kHz 高质音频,通过 AudioVAE V2 非对称编解码实现内置超分辨率
  • Apache-2.0 许可证,权重和代码免费商用
许可证 Apache-2.0audiodeeplearningminicpmmultilingualpythonpytorchspeechspeech-synthesistext-to-speechttstts-modelvoice-cloningvoice-designvoxcpm

解读由 AI 依据项目 README 生成,生成于 2026-10-06,以 GitHub 原文为准。

∴ 在榜记录

GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-14 首次上榜,累计在榜 4 天,最高第 7 名。

[object Object]2026-09-14 +2042026-09-15 +2162026-10-23 +1442026-10-24 +150
每日新增 Star · 2026-09-14 至 2026-10-24 · 共 4 个在榜日峰值 +216
日期名次当日新增总 Star
#7+15040,429
#7+14439,998
#14+21637,497
#14+20437,237