VoxCPM

VoxCPM是面壁智慧型於2025年9月18日發布的0.5B參數尺寸開源語音生成基座模型,並於2025年12月10日更新至1.5版本,由面壁智慧型與清華大學深圳國際研究生院人機語音互動實驗室(THUHCSI)聯合研發。

該模型通過GitHub、Hugging Face等平台開源,支持開發者直接調用與二次開發。在語音合成的自然度、音色相似度和韻律表現力方面達到SOTA水平,能夠通過少量數據克隆特定音色,在1.5版本中該能力得到增強,AudioVAE的採樣率由16kHz提升至44.1kHz,同時長文本語音合成表現得到改善。生成效率實現翻倍,僅需6.25個token即可生成1秒音頻,模型新增LoRA及全量微調腳本,並加強了生成穩定性。VoxCPM支持根據文本內容自動匹配合適的聲音類型與情感基調。模型參數規模為0.5B,在保持輕量化的同時實現高質量的語音輸出。VoxCPM已成為開源音頻模型評測框架UltraEval-Audio的重要測評工具之一。

基本介紹

  • 外文名:VoxCPM
  • 所屬企業:面壁智慧型
發展歷程,研發團隊,

發展歷程

2025年9月18日,面壁智慧型發布0.5B參數尺寸的語音生成基座模型VoxCPM。2025年12月10日,面壁智慧型發布VoxCPM 1.5版本,該版本在音頻質量與生成效率方面實現雙提升,包括音頻克隆能力增強、AudioVAE採樣率由16kHz提升至44.1kHz、生成效率翻倍(6.25個token生成1秒音頻)、新增LoRA及全量微調腳本支持開發者深度定製、生成穩定性提升並減少音頻偽影、長文本語音合成表現改善。VoxCPM 1.5版本已在GitHub與Hugging Face平台開源。

研發團隊

該模型由面壁智慧型與清華大學深圳國際研究生院人機語音互動實驗室(THUHCSI)聯合研發。VoxCPM在合成語音的自然度、音色相似度及韻律表現力方面均達到了SOTA水平。

相關詞條

熱門詞條

聯絡我們