VoxCPM — tokenizer-fri flerspråkig TTS med röstkloning
OpenBMB:s VoxCPM2-modell, inbäddad från det officiella Hugging Face-Spacet
Testa VoxCPM online för flerspråkig text-till-tal, röstdesign, kontrollerbar röstkloning och 48 kHz AI-röst. Den här sidan sammanfattar offentliga VoxCPM2-fakta i en oberoende och indexerbar guide.
Detta är det officiella VoxCPM-Demo-Spacet på Hugging Face av OpenBMB. Första körningen kan vara långsammare medan den hostade demon vaknar. Undvik konfidentiell text eller privata röstprov i ett publikt Space.
Vad är VoxCPM?
VoxCPM är en öppen text-till-tal-modellfamilj från OpenBMB. Den aktuella versionen VoxCPM2 fokuserar på naturligt flerspråkigt tal, kreativ röstdesign och verklighetstrogen röstkloning utan en pipeline med diskreta tal-token.
Enligt den offentliga model carden och dokumentationen är VoxCPM2 en 2B-parameters tokenizer-fri diffusion autoregressiv TTS-modell, tränad på mer än 2 miljoner timmar flerspråkigt tal. Den stöder 30 språk, accepterar kort referensljud och producerar 48 kHz-tal via AudioVAE V2.
Det inbäddade Spacet passar snabb utvärdering: direkt flerspråkig TTS, röstdesign med naturligt språk, kontrollerbar kloning med stilguidning och mer högfidelitetskloning med referensljud plus transkript.
Varför VoxCPM2 sticker ut
VoxCPM kombinerar flerspråkig generering, röstdesign, kloning och produktionsinriktad serving i ett öppet modellflöde.
Tokenizer-fri diffusion autoregressiv TTS
VoxCPM2 genererar kontinuerliga talrepresentationer direkt med en diffusion autoregressiv arkitektur i stället för diskreta tal-token.
Flerspråkigt tal på 30 språk
Model carden listar 30 språk, inklusive kinesiska, engelska, japanska, koreanska, spanska, franska, tyska, portugisiska, hindi, arabiska, vietnamesiska med flera.
Röstdesign med naturligt språk
Beskriv en talare med kön, ålder, ton, känsla eller tempo och låt VoxCPM2 skapa en ny syntetisk röst utan referensljud.
Kontrollerbar och högfidelitets röstkloning
Ladda upp ett kort referensklipp för att bevara klangfärg, lägg till stilguidning eller ge ett transkript för mer trogen kloning.
48 kHz-utdata och streamingväg
VoxCPM2 accepterar 16 kHz-referensljud och genererar 48 kHz-tal; dokumentationen rapporterar realtidsstreaming och snabbare Nano-vLLM-serving.
Öppen och säkerhetsmedveten release
Releasen är Apache-2.0, men projektet förbjuder impersonation, bedrägeri och desinformation. Märk AI-genererat ljud tydligt.
Testa VoxCPM i fyra steg
Det hostade Spacet ger de viktigaste VoxCPM2-flödena utan lokal installation.
Öppna VoxCPM-Spacet
Använd det inbäddade Hugging Face-Spacet eller öppna det i en ny flik. Kallstarter kan ta tid medan miljö och modell laddas.
Skriv text på ett språk som stöds
Klistra in ett kort manus. VoxCPM2 är byggt för flerspråkig inmatning utan separat språktagg.
Välj röstdesign eller kloning
För röstdesign beskriver du talaren. För kloning laddar du upp ett rent klipp och använder stilguidning när tempo eller känsla ska ändras.
Justera och lyssna
Ändra inferenssteg, guidance, denoise eller stil, generera ett kort prov och iterera på uttal, tempo och personlighet.
VoxCPM:s kapacitet i korthet
Offentliga fakta från model card, Space-metadata, dokumentation och demosida, omformulerade för snabb utvärdering.
Vad du kan bygga med VoxCPM
VoxCPM passar när ett röstprojekt behöver flerspråkig bredd, styrbart uttryck och möjlighet till self-hosting.
Flerspråkig produktberättelse
Skapa röstutkast för produktturer, lektioner och förklaringar på många språk före slutlig mänsklig inspelning.
Prototyper för röstagenter
Utforska personas, hastighet, känsla och 48 kHz-kvalitet innan du kopplar in en produktionsstack för röstagenter.
Dubbning och lokaliseringstest
Utvärdera uttal, rytm och uttryck för lokaliserade manus på språk som äldre TTS-system ofta täcker sämre.
Röstkloning med samtycke
Klona bara en röst med tillstånd och använd styrbar guidning för att testa olika känslor eller tempo med bibehållen klang.
Syntetiska karaktärsröster
Använd röstdesign när du behöver en ny fiktiv eller varumärkessäker röst utan att klona en verklig person.
Utvecklarutvärdering
Jämför VoxCPM med andra öppna TTS-system, testa Python-paketet eller studera Nano-vLLM för lägre latens.
Tips för bättre VoxCPM-resultat
- Börja med kort text för att snabbt bedöma uttal, rytm och röstkonsistens.
- Använd rent referensljud med en talare; brus eller flera röster gör likheten svårare att bedöma.
- Om röstdesignen missar målet, skriv om beskrivningen med konkreta attribut som ålder, tempo, känsla och rösttextur.
- För högfidelitetskloning, ge referenstranskriptet när demon ber om det.
- Undvik konfidentiella manus eller privata röstprov i publika Spaces; self-hosta VoxCPM2 för känsligt arbete.
- Använd inte VoxCPM för impersonation, bedrägeri eller omärkta syntetiska medier. Skaffa samtycke innan du klonar en verklig röst.
Vanliga frågor om VoxCPM
Korta svar för att utvärdera VoxCPM för flerspråkig TTS, röstkloning, röstdesign och självhostade röstflöden.
Vad är VoxCPM?
VoxCPM är OpenBMB:s tokenizer-fria text-till-tal-modellfamilj. VoxCPM2 är den aktuella 2B-parametersversionen för flerspråkigt tal, röstdesign och röstkloning.
Kan jag testa VoxCPM online?
Ja. Den här sidan bäddar in det officiella VoxCPM-Demo-Spacet på Hugging Face, så att du kan testa VoxCPM2 i webbläsaren utan att först installera Python-paketet.
Vilka språk stöder VoxCPM2?
Den offentliga model carden listar 30 språk, inklusive kinesiska, engelska, japanska, koreanska, spanska, franska, tyska, portugisiska, hindi, arabiska, vietnamesiska och flera kinesiska dialekter.
Stöder VoxCPM röstkloning?
Ja. VoxCPM2 stöder kontrollerbar röstkloning från referensljud och ett mer högfidelitetsflöde med klipp plus transkript. Klona bara röster du har tillstånd för.
Vad är VoxCPM-röstdesign?
Röstdesign låter dig beskriva en önskad talare med naturligt språk — ålder, kön, ton, känsla eller tempo — och generera en ny röst utan referensinspelning.
Är den inbäddade VoxCPM-demon privat?
Nej. Den inbäddade appen är ett publikt Hugging Face-Space utanför Whisper AI. För känslig text eller röst, self-hosta modellen.
Testa VoxCPM i webbläsaren
Generera flerspråkigt tal, testa röstdesign och utvärdera samtyckesbaserad kloning i den officiella Hugging Face-demon.