VoxCPM：ModelBest と清華大学の連続音声生成

注目したい強み

参照方法で目的を変える

2 版は参照録音だけで音色を復刻でき、正確な転写と組み合わせれば元のリズムや風格を引き継ぐ音声継続型の生成も可能です。

デザインは文章だけで音色を作り、可制御復刻は参照話者を保ちながら表現を指定します。

モデル ID とサンプルレートを固定

VoxCPM-0.5B、VoxCPM1.5、VoxCPM2 は言語・出力・機能が異なります。ID を明示し、保存時は model.tts_model.sample_rate を使用します。

利用・導入方法

1. 対応する Python、PyTorch、計算機器を準備し、GPU/CUDA、CPU、Apple Silicon の説明を確認します。
2. voxcpm をインストールして openbmb/VoxCPM2 を明示的に読み込みます。1.5 を使う場合は対応する ID と API に変更します。
3. 下の短文生成を確認後、公式 WebUI、バッチ、ストリーミング、サービス展開の文書に進みます。

python -m venv .venv
source .venv/bin/activate
pip install voxcpm

import soundfile as sf
from voxcpm import VoxCPM

model = VoxCPM.from_pretrained("openbmb/VoxCPM2", load_denoiser=False)
wav = model.generate(text="Hello, welcome to the voice model library.")
sf.write("output.wav", wav, model.tts_model.sample_rate)

利用前に知っておくこと

• 44.1 kHz や 48 kHz はサンプルレートであり、質の低い参照音声でも高忠実度になる保証ではありません。
• 2 の多言語、デザイン、可制御復刻を 1.5 の機能として記載しないでください。

適した用途

音声の細部と文脈、自前の実行環境を重視し、中英語版と新しい多言語版を選びたい開発者に適しています。

公式資料・出典

1. OpenBMB/VoxCPM · READMEhttps://github.com/OpenBMB/VoxCPM
2. VoxCPM · Technical paperhttps://arxiv.org/abs/2509.24650
3. VoxCPM 1.5 · Version guidehttps://voxcpm.readthedocs.io/en/latest/models/voxcpm1.5.html
4. VoxCPM · Quick starthttps://voxcpm.readthedocs.io/en/latest/quickstart.html
5. VoxCPM2 · Technical reporthttps://arxiv.org/abs/2606.06928