∴ 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
∴ 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
- 01pip install voxcpm
- 02from voxcpm import VoxCPM; import soundfile as sf; model = VoxCPM.from_pretrained("openbmb/VoxCPM2", load_denoiser=False)
- 03wav = model.generate(text="VoxCPM2 is the current recommended release for realistic multilingual speech synthesis.", cfg_value=2.0, inference_timesteps=10, seed=42)
- 04sf.write("demo.wav", wav, model.tts_model.sample_rate)
- 05CLI 使用:voxcpm design --text "VoxCPM2 brings studio-quality multilingual speech synthesis." --output out.wav
- 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。