VoxCPM2

VoxCPM2 是一个无需分词器的扩散自回归文本到语音（TTS）模型——拥有 20亿参数、支持 30种语言、输出 48kHz 音频，基于超过 200万小时 的多语言语音数据训练而成。

亮点

🌍 30种语言多语种支持 —— 无需语言标签；直接输入任意支持语言的文本
🎨 语音设计 —— 仅凭自然语言描述（性别、年龄、音调、情感、语速等）即可生成全新语音；无需参考音频
🎛️ 可控克隆 —— 从短音频片段克隆任意声音，并可选提供风格引导以控制情感、语速和表达，同时保留音色
🎙️ 终极克隆 —— 提供参考音频及其对应转录文本，实现音频延续式克隆；忠实复现每一个声音细节
🔊 48kHz 录音室级音质输出 —— 接受16kHz参考音频；通过 AudioVAE V2 内置的超分辨率模块输出48kHz音频，无需外部升采样器
🧠 上下文感知合成 —— 自动根据文本内容推断合适的韵律和表现力
⚡ 实时流式合成 —— 在 NVIDIA RTX 4090 上 RTF 低至约 0.3，使用 Nano-VLLM 加速后可达约 0.13
📜 完全开源且可商用 —— Apache-2.0 许可证，允许免费用于商业用途

支持的语言（30种）

阿拉伯语、缅甸语、中文、丹麦语、荷兰语、英语、芬兰语、法语、德语、希腊语、希伯来语、印地语、印尼语、意大利语、日语、高棉语、韩语、老挝语、马来语、挪威语、波兰语、葡萄牙语、俄语、西班牙语、斯瓦希里语、瑞典语、他加禄语、泰语、土耳其语、越南语

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

生成声音文件高保真：

小哥哥～你都好久没理我啦，人家心里空空的好想你嘛， 不许冷落我好不好，就多陪陪我一会儿下嘛～.zip