真是离谱到家了，这货是真神。
GitHub 趋势榜头名、星标干到 3.8万的语音合成 AI「VoxCPM2」，海外那边彻底炸锅，它造出来的声音你压根辨不出真假。
1️⃣ 你只管敲一行字"沉稳的 30 代女声"，它当场就给你合成出来
2️⃣ 丢一小段录音进去，连说话的口癖、语速都给你一比一复刻
3️⃣ 48kHz 录音棚级音质，还挂着 Apache 2.0 协议，商用随你使
🔗 https://github.com/OpenBMB/VoxCPM
VoxCPM 语音合成怎么用？开源免费可商用，30 语言 TTS 下载与接入教程
VoxCPM 是由 OpenBMB 团队开源的一款无分词器（Tokenizer-Free）文本转语音系统，它通过端到端的扩散自回归架构直接生成连续语音表征，跳过了传统离散分词环节，从而获得更自然、更具表现力的合成效果。最新版本 VoxCPM2 是一个 2B 参数模型，基于 MiniCPM-4 骨干网络训练，累计使用超过 200 万小时多语言语音数据，支持 30 种语言直接合成，无需手动添加语言标签。它同时提供语音设计、可控声音克隆与高保真克隆能力，并可直接输出 48kHz 录音棚级音频。项目代码与权重以 Apache-2.0 协议开源，允许商业使用，官方仓库地址为 github.com/OpenBMB/VoxCPM。
痛点是什么
过去要做一段像样的配音，要么花钱请配音员，要么在传统 TTS 工具里反复调参数，出来的声音机械、断句生硬，多语言还得切换不同引擎。想克隆自己的声音，往往需要大量录音和漫长训练，普通用户根本玩不转。更麻烦的是，很多语音合成工具要么闭源收费、商用受限，要么音质停留在 16kHz 或 24kHz，离录音棚级差得远。对内容创作者、播客制作者和开发者来说，找一款既开源可商用、又能一句话生成新音色、还能高保真复刻真人声音的工具，一直是个难题。
主要功能特点
VoxCPM2 把语音设计、声音克隆与高质量音频输出整合在一个模型里，覆盖从创意配音到真实复刻的多种需求。
语音设计
只需一句自然语言描述，就能凭空生成全新音色，无需任何参考音频。
可控声音克隆
给一小段参考录音即可复刻音色，还能附加风格指令调整情绪与语速。
48kHz 高保真输出
接受 16kHz 参考音频，直接输出录音棚级 48kHz 音频，无需外接升频器。
实时流式合成
在 RTX 4090 上 RTF 低至约 0.3，配合加速方案可进一步降至约 0.13。
为什么值得关注
VoxCPM2 在开源语音合成领域同时兼顾了音质、语言覆盖与商用友好度，对中文用户尤其友好，还支持四川话、粤语、吴语等多种方言。
开源可商用
代码与权重均以 Apache-2.0 协议发布，个人和商业项目都能免费使用。
多语言与方言覆盖
支持 30 种语言及多种中文方言，输入文本即可直接合成，无需语言标签。
部署方式灵活
提供 Python API、命令行、Web Demo，并支持 vLLM-Omni 生产级服务与端侧推理。
推荐信息
Gk
@0xGky 2026年10月14日 17:39
