语音上手难度 🔧 进阶#语音合成#TTS#声音克隆#多语言#Apache-2.0#OpenBMB#Tokenizer-Free
VoxCPM2 · 无分词器多语言语音合成模型
GitHub 37k⭐：Tokenizer-Free TTS，30 种语言+9 种中文方言，声音设计+克隆，Apache-2.0 可商用
指标同步中，请稍后刷新查看 在 GitHub 查看源码
5 分钟上手
推荐 8GB 显存 GPU，纯 CPU 可用但速度慢pip install voxcpm
# Python 一行调用
python -c "
from voxcpm import VoxCPM
import soundfile as sf
model = VoxCPM.from_pretrained('openbmb/VoxCPM2')
wav = model.generate(text='你好，这是一个开源语音合成演示。')
sf.write('demo.wav', wav, model.tts_model.sample_rate)
"项目速览
VoxCPM2 是面壁智能（OpenBMB）联合清华大学人机语音交互实验室（THUHCSI）开源的 Tokenizer-Free 语音合成模型，2B 参数，在超过 200 万小时的多语言语音数据上训练。它采用「无分词器」技术路线——直接在连续空间中生成语音信号，跳过了传统 TTS 中分词、映射等中间步骤，原生输出 48kHz 高保真音频。支持 30 种语言和 9 种中文方言，独创「语音设计」功能：只需用文字描述声音特征，就能凭空创造出一个全新的声音。Apache-2.0 协议，可免费商用。
能做什么
- 文本转语音：30 种语言 + 9 种中文方言（四川话、粤语、吴语等），48kHz 高保真输出
- 语音设计：用文字描述凭空创造新音色（如「年轻女性温柔甜美的声音」）
- 声音克隆：几秒参考音频即可克隆任何人的声音（可控克隆与极致克隆两档）
- 提供 CLI 命令行、Python 库和 Web 演示页面三种使用方式
怎么部署
pip install voxcpm 一行安装，Python 3.10+ + PyTorch 2.5+ + CUDA 12+。推荐 8GB 显存 GPU，纯 CPU 也能跑但速度慢。权重可从 Hugging Face 或 ModelScope 下载。
适合谁
需要多语言高品质 TTS 的内容创作者、做语音克隆应用的开发者、关注 Tokenizer-Free 技术路线的研究者。
✅ 优点
- •Apache-2.0 协议，可免费商用
- •30 种语言 + 9 种方言，覆盖面广
- •独创「语音设计」功能，无需参考音频即可创造新声音
- •2B 参数 8GB 显存可运行，部署门槛较低
⚠️ 局限与坑
- •2B 参数模型在复杂情感表达上仍有局限
- •Tokenizer-Free 路线的实时推理效率有待提升
- •中文方言的准确性部分方言需进一步优化
💼 典型应用场景
- 1.多语言高品质 TTS 内容生产（播客/有声书/配音）
- 2.语音设计与声音克隆应用开发
- 3.Tokenizer-Free 技术路线的研究参考
不想部署？试试同类在线工具
语音· 同类项目推荐
返回全部开源项目指标每周自动更新，数据来自 GitHub API