OpenBMB/VoxCPM

这是什么？

核心功能

• 01支持 30 种语言及多种中国方言的语音合成，无需指定语言标签。
• 02可通过性别、年龄、语气等文本描述设计全新音色。
• 03基于短参考音频克隆音色，并可选择风格与情绪控制。
• 04输出 48kHz 音频，参考音频输入为 16kHz 即可。
• 05提供 Python API、命令行工具、Web 演示和流式生成。
• 06支持全量微调与 LoRA 微调。

适用场景

• 根据脚本生成多语言配音或旁白。
• 为游戏、视频或虚拟助手设计定制角色音色。
• 用克隆的说话人音色为视频配音或本地化。
• 通过 llama.cpp-omni 在端侧离线运行语音合成。

快速上手

1. 1

   用 pip 安装软件包

   pip install voxcpm
2. 2

   在 Python 中加载模型并生成语音

3. 3

   或启动本地网页演示

   python app.py --port 8808

使用前须知

• !文档中的环境要求为 Python 3.10 至 3.13 之前的版本、PyTorch 2.5 或更高版本，以及 CUDA 12.0 或更高版本。
• !高质量推理主要面向 GPU，README 中的实时率数据基于 NVIDIA RTX 4090 测得。
• !模型参数量为 20 亿，需要从 Hugging Face 或 ModelScope 下载较大的模型文件。

标签

常见问题

VoxCPM 是什么？

VoxCPM2 是一个开源的免分词器语音合成模型，支持 30 种语言、文本描述设计音色和参考音频克隆。 VoxCPM2 是 OpenBMB 开源的语音合成模型，采用免分词器的扩散自回归架构，直接生成连续的语音表示，而不是离散 token。模型参数量为 2B，基于 MiniCPM-4 主干网络构建，输出 48kHz 音频。

VoxCPM 可以免费使用吗？用的什么许可证？

VoxCPM 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

VoxCPM 还在维护吗？

活跃维护中。VoxCPM 最近一次提交是在 2026年10月8日。

VoxCPM 适合用来做什么？

根据脚本生成多语言配音或旁白。 为游戏、视频或虚拟助手设计定制角色音色。 用克隆的说话人音色为视频配音或本地化。 通过 llama.cpp-omni 在端侧离线运行语音合成。

VoxCPM 怎么安装和运行？

用 pip 安装软件包: pip install voxcpm 在 Python 中加载模型并生成语音 或启动本地网页演示: python app.py --port 8808

在哪里获取 VoxCPM？

源代码和安装说明在 GitHub 上：https://github.com/OpenBMB/VoxCPM