VoxCPM

网站介绍

VoxCPM 是清华大学 OpenBMB 团队开源的文本转语音（TTS）模型，拥有 20 亿参数，支持 30 种语言的语音合成。与大多数 TTS 模型不同，VoxCPM 采用无分词器（tokenizer-free）架构，直接从文本字符到语音波形生成，简化了模型部署流程并降低了多语言支持的工程复杂度。模型支持语音设计、声音克隆和 48kHz 高品质音频输出，采用 Apache 2.0 开源协议，允许商业使用，适合企业在产品中集成语音合成能力。

核心功能

多语言语音合成：支持中文、英文、日文等 30 种语言的文本转语音，采用无分词器架构，无需为每种语言单独训练分词器，降低多语言部署门槛。

声音克隆与设计：支持通过少量参考音频克隆特定说话人的声音特征，也支持通过参数调整设计全新的虚拟声音，适合有声书和虚拟人应用。

高品质输出：支持 48kHz 采样率的高品质音频输出，音质达到专业水准，适合对音质有要求的有声书、播客和视频配音场景。