VoxCPM

介绍

VoxCPM 是一个无需分词器的文本到语音系统，通过端到端的扩散自回归架构直接生成连续语音表示，从而实现高度自然和富有表现力的语音合成。最新版本 VoxCPM2 是一个拥有20亿参数的模型，在超过200万小时的多语言语音数据上训练，支持30种语言、语音设计、可控语音克隆和48kHz录音室品质的音频输出，内置超分辨率，无需外部升采样器。

功能特征

• 30种语言多语言支持
• 无需参考音频的语音设计
• 可控与高保真语音克隆
• 48kHz录音室品质音频输出
• 实时流式传输与生产级部署

支持平台