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
