Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
最近开源 AI 圈有一个项目热度飙升。
短短时间内登上 GitHub Trending 榜单，并获得数万开发者关注。
它就是 OpenBMB 团队推出的：
VoxCPM2
一个支持声音克隆、语音设计、多语言合成的开源 AI 语音模型。
与很多传统 TTS 工具不同，VoxCPM2 的目标并不是“把文字读出来”。
而是让 AI 真正学会：
- 模仿说话风格
- 理解情绪表达
- 保留语言节奏
- 生成接近真人的自然语音
对于内容创作者、自媒体运营者、开发者来说，这类工具的价值正在快速提升。
为什么 VoxCPM2 会受到关注？
很多语音合成工具的问题是：
听起来像机器人。
虽然能发音，但缺少真实的人类表达。
而 VoxCPM2 采用了新的扩散自回归架构，不再依赖传统离散语音 Token。
官方介绍中提到，它直接生成连续语音表示，从而获得更加自然的声音表现。
简单理解：
过去的 AI 在“拼声音”。
VoxCPM2 更像是在“说话”。
不需要录音，也能创造全新的声音
这是我觉得最有意思的功能。
VoxCPM2 支持：
Voice Design（声音设计）
你只需要输入一句自然语言描述：
例如：
- 30岁沉稳男性
- 温柔知性的女老师
- 活泼开朗的年轻女生
- 低沉磁性的播音腔
模型就能直接生成对应的人声。
整个过程不需要参考录音。
对于：
- 小说配音
- 有声书制作
- 视频解说
- 虚拟角色
都非常实用。
一小段录音即可完成声音克隆
相比传统方案需要大量训练数据。
VoxCPM2 支持：
Controllable Voice Cloning
上传一小段参考音频即可完成克隆。
不仅能复制音色。
还能保留：
- 说话节奏
- 停顿习惯
- 情绪表达
- 语速风格
更重要的是：
还可以通过提示词控制最终输出风格。
例如：
- 更正式
- 更轻松
- 更激动
- 更适合演讲
让克隆出来的声音更具可用性。
支持 30 种语言
目前官方支持：
- 中文
- 英文
- 日文
- 韩文
- 法语
- 德语
- 西班牙语
- 葡萄牙语
- 俄语
- 阿拉伯语
等 30 种语言。
同时还支持多个中文方言：
- 粤语
- 四川话
- 东北话
- 河南话
- 闽南话
- 天津话
- 吴语
对于跨境内容创作者来说，这一点非常有吸引力。
一套内容可以快速生成多个语言版本。
48kHz 音频质量意味着什么？
很多免费 TTS 工具仍然停留在：
16kHz 或 24kHz。
而 VoxCPM2 直接支持：
48kHz Studio Quality
也就是录音棚级别音质。
对于：
- 视频配音
- 播客
- 有声书
- 品牌宣传片
基本已经达到可直接使用的水平。
适合哪些人？
自媒体创作者
快速生成解说音频。
减少真人录音时间。
小说作者
批量生成有声书内容。
制作试听章节。
视频剪辑师
生成旁白。
制作教程视频。
开发者
搭建：
- AI语音助手
- 客服机器人
- 智能播报系统
出海团队
实现多语言内容本地化。
降低配音成本。
与传统 AI 配音工具相比
| 功能 | VoxCPM2 | 普通TTS |
|---|---|---|
| 多语言支持 | ✅ | 部分支持 |
| 声音设计 | ✅ | ❌ |
| 声音克隆 | ✅ | 部分支持 |
| 48kHz输出 | ✅ | 少数支持 |
| 开源免费 | ✅ | 大多收费 |
| 商业使用 | ✅ Apache 2.0 | 视授权而定 |
开源协议值得关注
很多 AI 模型虽然开源。
但商业授权并不宽松。
VoxCPM2 采用：
Apache 2.0 License
意味着：
- 允许商业使用
- 允许修改
- 允许二次开发
- 可用于企业项目
对于开发者和创业团队来说更加友好。
写在最后
过去几年，AI 绘画和 AI 文本模型的发展速度令人惊讶。
而 2025～2026 年，AI 语音领域也开始进入快速进化阶段。
VoxCPM2 的出现说明：
高质量语音合成正在从商业闭源产品逐步走向开源生态。
如果你正在寻找：
- 免费 AI 配音工具
- 开源语音克隆模型
- 多语言 TTS 方案
- AI 有声书解决方案
那么 VoxCPM2 值得加入你的收藏列表。
项目地址：
