VoxCPM — TTS multilíngue sem tokenizer com clonagem de voz
O modelo VoxCPM2 da OpenBMB, incorporado a partir do Space oficial do Hugging Face
Teste o VoxCPM online para texto para fala multilíngue, voice design, clonagem de voz controlável e fala de IA em 48 kHz. Esta página reescreve os fatos públicos do VoxCPM2 em um guia independente e indexável.
Este é o Space oficial VoxCPM-Demo hospedado no Hugging Face por OpenBMB. A primeira execução pode ser mais lenta enquanto a demo hospedada inicializa. Evite textos confidenciais ou amostras privadas de voz em um Space público.
O que é VoxCPM?
VoxCPM é uma família aberta de modelos de texto para fala da OpenBMB. A versão atual VoxCPM2 foca em fala multilíngue natural, voice design criativo e clonagem de voz realista, sem uma pipeline baseada em tokens discretos de fala.
Segundo o model card e a documentação pública, VoxCPM2 é um modelo TTS diffusion autoregressivo sem tokenizer, com 2B parâmetros, treinado em mais de 2 milhões de horas de fala multilíngue. Ele suporta 30 idiomas, aceita áudio curto de referência para clonagem e gera fala em 48 kHz via AudioVAE V2.
O Space incorporado facilita a avaliação rápida: TTS multilíngue direto, voice design por linguagem natural, clonagem controlável com orientação de estilo e clonagem de maior fidelidade com áudio de referência e transcrição.
Por que o VoxCPM2 se destaca
VoxCPM combina geração multilíngue, voice design, clonagem e uma rota de serving voltada à produção em um fluxo aberto.
TTS diffusion autoregressivo sem tokenizer
VoxCPM2 gera representações contínuas de fala diretamente por uma arquitetura diffusion autoregressiva, sem depender de tokens discretos de fala.
Fala multilíngue em 30 idiomas
O model card lista 30 idiomas, incluindo chinês, inglês, japonês, coreano, espanhol, francês, alemão, português, hindi, árabe, vietnamita e mais.
Voice design em linguagem natural
Descreva uma voz com gênero, idade, tom, emoção ou ritmo para o VoxCPM2 criar uma nova voz sintética sem áudio de referência.
Clonagem controlável e de alta fidelidade
Envie um clipe curto para preservar o timbre, adicione orientação de estilo ou forneça uma transcrição para clonagem de continuação com mais fidelidade.
Saída 48 kHz e caminho de streaming
VoxCPM2 aceita áudio de referência em 16 kHz e gera fala em 48 kHz; a documentação relata streaming em tempo real e serving Nano-vLLM mais rápido.
Lançamento aberto e atento à segurança
O lançamento é Apache-2.0, mas o projeto proíbe personificação, fraude e desinformação. Rotule áudio gerado por IA claramente.
Teste o VoxCPM em quatro passos
O Space hospedado oferece os principais fluxos do VoxCPM2 sem configuração local.
Abra o Space VoxCPM
Use o Space do Hugging Face incorporado ou abra em nova aba. Cold starts podem demorar enquanto ambiente e modelo carregam.
Insira texto em um idioma suportado
Cole um roteiro curto. VoxCPM2 foi desenhado para entrada multilíngue sem uma tag de idioma separada.
Escolha voice design ou clonagem
Para voice design, descreva o falante. Para clonagem, envie um clipe limpo e use orientação de estilo quando quiser alterar ritmo ou emoção.
Ajuste e ouça
Altere passos de inferência, guidance, denoise ou estilo, gere uma amostra curta e refine pronúncia, ritmo e personalidade.
Capacidades do VoxCPM em resumo
Fatos públicos do model card, metadados do Space, documentação e página de demo, reescritos para avaliação rápida.
O que você pode criar com VoxCPM
VoxCPM é útil quando um projeto de voz precisa de alcance multilíngue, expressão controlável e opção de self-hosting.
Narração de produto multilíngue
Crie rascunhos de voiceover para tours, aulas e vídeos explicativos em vários idiomas antes da gravação humana final.
Prototipagem de agentes de voz
Explore personas, velocidade, emoção e qualidade 48 kHz antes de conectar uma stack de agente de voz em produção.
Testes de dublagem e localização
Avalie pronúncia, ritmo e expressividade de roteiros localizados em idiomas que TTS antigos atendem pior.
Clonagem de voz com consentimento
Clone uma voz apenas com permissão e use orientação controlável para testar emoções ou ritmo preservando o timbre.
Personagens sintéticos
Use voice design quando precisar de uma voz fictícia ou segura para marca sem clonar uma pessoa real.
Avaliação para desenvolvedores
Compare VoxCPM com outros TTS abertos, teste o pacote Python ou estude Nano-vLLM para reduzir latência.
Dicas para melhores resultados com VoxCPM
- Comece com texto curto para avaliar rapidamente pronúncia, ritmo e consistência de voz.
- Use áudio de referência limpo e com uma única pessoa; ruído ou múltiplas vozes reduzem a similaridade.
- Se o voice design errar o alvo, reescreva a descrição com idade, ritmo, emoção e textura vocal concretos.
- Para clonagem de alta fidelidade, forneça a transcrição de referência quando a demo solicitar.
- Evite scripts confidenciais ou vozes privadas em Spaces públicos; auto-hospede o VoxCPM2 para trabalho sensível.
- Não use VoxCPM para personificação, fraude ou mídia sintética sem aviso. Obtenha consentimento antes de clonar qualquer voz real.
Perguntas frequentes sobre VoxCPM
Respostas curtas para avaliar VoxCPM em TTS multilíngue, clonagem de voz, voice design e fluxos auto-hospedados.
O que é VoxCPM?
VoxCPM é a família de texto para fala sem tokenizer da OpenBMB. VoxCPM2 é a versão atual de 2B parâmetros para fala multilíngue, voice design e clonagem de voz.
Posso testar VoxCPM online?
Sim. Esta página incorpora o Space oficial VoxCPM-Demo no Hugging Face, para testar VoxCPM2 no navegador antes de instalar o pacote Python.
Quais idiomas o VoxCPM2 suporta?
O model card público lista 30 idiomas, incluindo chinês, inglês, japonês, coreano, espanhol, francês, alemão, português, hindi, árabe, vietnamita e vários dialetos chineses.
VoxCPM suporta clonagem de voz?
Sim. VoxCPM2 suporta clonagem controlável com áudio de referência e um fluxo de maior fidelidade com referência e transcrição. Clone apenas vozes com permissão.
O que é voice design no VoxCPM?
Voice design permite descrever uma voz em linguagem natural — idade, gênero, tom, emoção ou ritmo — e gerar uma nova voz sem gravação de referência.
A demo incorporada do VoxCPM é privada?
Não. A app incorporada é um Space público do Hugging Face fora da Whisper AI. Para textos ou vozes sensíveis, auto-hospede o modelo.
Teste o VoxCPM no navegador
Gere fala multilíngue, teste voice design e avalie clonagem com consentimento na demo oficial do Hugging Face.