AI最前沿 88Z.ai 4 月 7 日消息，OpenBMB发布开源语音合成模型VoxCPM2，拥有20亿参数，支持30种语言及中文方言，提供48kHz高保真音质。该模型引入Voice Design功能，允许通过文本描述生成全新声音，并支持可控克隆与终极克隆模式。基于236万小时数据训练，实时率低至0.13，遵循Apache-2.0协议，具备商用许可。
消息要点
- 支持30种语言及Voice Design文字创声功能
- 基于236万小时数据训练，Apache-2.0可商用
要点
OpenBMB正式开源了名为VoxCPM2的语音合成模型，该模型参数量达到20亿。其核心采用无分词器扩散自回归架构，能够支持包括中文方言在内的30种语言，并输出采样率为48kHz的录音室级高品质音频。 VoxCPM2首创了Voice Design功能，用户仅需通过文字描述即可凭空创造出独特的声音角色。此外，模型还支持可控声音克隆以及终极克隆模式，满足多样化需求。该模型基于高达236万小时的训练数据打造，实时率低至0.13，确保高效运行。项目采用Apache-2.0开源协议，允许企业进行商业应用。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- VoxCPM2原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。