#微博视频号续航计划# VoxCPM 2 刚刚由 OpenBMB发布

仅 2B 参数的开源 TTS（文本到语音）模型，专为生产级多语言语音工作构建。

Apache-2.0 许可，仅需 8GB VRAM 即可运行。

• 消除传统 TTS 的“机器人”感，提供适合高风险专业环境（如电影制作、游戏、动画和有声书）的韵律和情感深度。

• 30 种语言多语言支持：无需语言标签，只需输入支持的语言即可直接生成。

• 语音设计：仅凭文本描述即可创建全新语音，例如年龄、语气、语速或情感。无需参考音频。在控制指令中描述所需的语音特征（性别、年龄、语气、情感、语速 …），VoxCPM2 将仅根据您的描述打造独特语音。

• 可控克隆：从短片段克隆，然后引导表达风格，同时保留说话者的核心声音。

• 终极克隆：使用参考音频 + 转录文本进行延续式克隆，保留细微的发声细节。

• 48kHz 输出：接受 16kHz 参考音频，生成无需外部升采样器的演播室质量语音。

• 实时就绪：在 RTX 4090 上 RTF 约为 0.3，使用 Nano-VLLM 甚至更低。
• 商业使用：Apache-2.0 许可。

开发者友好基础设施：
- 原生 Torch 推理：直接支持基于 PyTorch 的工作流程。
- 训练灵活性：支持全参数和 LoRA 微调，以实现特定领域适应。
- 生产就绪：与 voxcpm-nanovllm 兼容，用于大规模、高并发部署。 http://t.cn/AXY6J84o