VoxCPM2

VoxCPM2 是清华大学 OpenBMB 团队推出的开源无 Tokenizer 文本转语音(TTS)模型。核心创新在于抛弃了传统 TTS 的语音 Tokenizer 环节，采用扩散自回归架构直接生成连续音频波形，从根本上消除了 Tokenizer 引入的信息损失。2B 参数规模，在超过 200 万小时多语言语音数据上训练。支持 30 种语言的语音合成，输出 48kHz 高保真音频。具备三大核心能力：多语言语音生成（中英日韩法德等）、创意声线设计（通过文字描述生成全新声音风格）、高保真声音克隆（仅需数秒参考音频）。在 MOS 等主观评测和客观指标上均达到 SOTA 水平。MIT 开源协议，GitHub 7,600+ Star。适合语音助手、有声读物、多语言配音、角色扮演等场景。