OpenBMB 推出 2B 参数的开源语音合成模型 VoxCPM 2，采用创新的扩散自回归架构，支持声音设计与可控克隆。
📝 详细摘要
OpenBMB 正式发布 VoxCPM 2，这是中国首个基于「扩散自回归」架构的开源 TTS 模型。该模型拥有 2B 参数，经过 200 万小时数据训练，支持 30 种语言。相比传统的离散语音 token 方案，VoxCPM 2 采用连续隐空间生成，实现了语义与声学的深度解耦。其核心突破在于支持通过文本描述创造新声音（Voice Design）以及对克隆声音的风格、语速进行指令化调整。在性能上，其中文表现优于 Qwen3-TTS，并支持 48kHz 高保真输出，协议为 Apache-2.0，完全可商用。
📊 文章信息
AI 评分：88
来源：meng shao(@shao__meng)
作者：meng shao
分类：人工智能
语言：中文
阅读时间：3 分钟
字数：638
标签： VoxCPM 2, OpenBMB, TTS, 语音合成, 开源模型