VoxCPM：面壁智能与清华团队的连续语音生成路线

值得关注的优势

两种参考方式服务不同目标

VoxCPM2 可以单独用参考音频克隆音色，也可以把参考录音与准确转写文本一起提供，采用音频续写方式保留更多原声音的韵律和风格。

声音设计不需要参考录音，而是通过文字描述创建声音；可控复刻则在保留参考音色时加入表演提示。

固定模型 ID，避免默默换版本

VoxCPM-0.5B、VoxCPM1.5 和 VoxCPM2 的采样率、语言与调用能力不同。部署时显式填写模型 ID，输出文件使用 model.tts_model.sample_rate，避免把 2 版音频按旧采样率写入。

使用与部署

1. 准备支持的 Python、PyTorch 和计算设备。官方快速开始提供 pip 包安装；GPU/CUDA、CPU 或 Apple Silicon 的具体路径按当前文档选择。
2. 安装 voxcpm 后显式加载 openbmb/VoxCPM2。下面给出最小文本转语音示例；若使用 1.5，应改为 openbmb/VoxCPM1.5 并遵循对应版本接口。
3. 先完成本地短句合成，再按官方仓库启动 WebUI；需要批量、流式或并发服务时，继续查阅官方列出的推理与部署文档。

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)

使用前需要了解

• 44.1 kHz、48 kHz 表示输出采样率，不保证参考录音差或说话内容不适合时仍能获得高保真结果。
• 不要把 2 版的多语言、声音设计和可控复刻写入 1.5 的能力清单。

适合什么场景

适合关心语音细节、文本语境与本地可控部署，同时需要清楚区分中英文轻量流程和多语言新版本的开发者。

官方资料与出处

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