¿Qué idiomas admite VoxCPM2?

VoxCPM2 admite 30 idiomas, como inglés, chino, español, francés, alemán y otros, junto con dialectos chinos como el sichuanés y el cantonés, según se detalla en la documentación.

¿Es VoxCPM2 de código abierto y gratuito?

Sí, VoxCPM2 es completamente de código abierto bajo la Licencia Apache 2.0, disponible en GitHub para uso, modificación y distribución gratuitos.

¿Cómo puedo realizar clonación de voz con VoxCPM2?

La clonación de voz se puede realizar utilizando herramientas de línea de comandos o la API proporcionando archivos de audio de referencia y transcripciones opcionales, como se muestra en los ejemplos para procesamiento único o por lotes.

¿Cuáles son los requisitos del sistema para ejecutar VoxCPM2?

Requiere Python ≥ 3.10, PyTorch ≥ 2.5.0 y CUDA ≥ 12.0 para la aceleración por GPU, con instrucciones de instalación detalladas proporcionadas en la guía de inicio rápido.

VoxCPM2

TTS de código abierto a 48 kHz con diseño de voz y clonación

Modelos de Lenguaje

Contenido y medios con IA

Visitar

Detalles del listado

Registro de directorio de HiCyou

Incluido

Sitio web listado: github.com
Publicado en el directorio: 14 abr 2026
Última actualización del registro: 14 abr 2026

Información incluida en el listado

Resumen
5 funciones clave
4 casos de uso

Esta página describe el registro de directorio de HiCyou. No es una certificación de seguridad, propiedad ni calidad del producto.

Revisa el sitio externo antes de compartir información confidencial o realizar una compra.

¿Qué es VoxCPM2?

VoxCPM2 es un modelo de texto a voz de código abierto con 2 mil millones de parámetros, que admite 30 idiomas y ofrece una salida de audio de alta calidad a 48 kHz. Cuenta con una arquitectura sin tokenizador para una síntesis eficiente, permitiendo el diseño de voz a partir de descripciones de texto y la clonación de voz controlable. El modelo está optimizado para transmisión en tiempo real, lo que lo hace adecuado para flujos de trabajo de voz en producción y aplicaciones escalables.

Características principales

Soporte multilingüe para 30 idiomas, incluidos varios dialectos

Salida de audio de alta fidelidad a 48 kHz para síntesis de voz realista

Capacidades de diseño y clonación de voz a partir de referencias de texto o audio

Modelo autorregresivo de difusión sin tokenizador para procesamiento eficiente

Rendimiento de transmisión en tiempo real adecuado para entornos de producción

Casos de uso

Creadores de contenido generando voces en off multilingües para videos o podcasts
Desarrolladores que integran TTS en aplicaciones como asistentes virtuales o herramientas de accesibilidad
Empresas que implementan chatbots de servicio al cliente con voces naturales y personalizables
Investigadores que experimentan con síntesis de voz, manipulación de voz o ajuste fino de modelos de lenguaje

¿Por qué las startups necesitan esta herramienta?

Las startups necesitan VoxCPM2 porque ofrece una solución de código abierto rentable para TTS multilingüe de alta calidad, reduciendo la dependencia de servicios propietarios costosos. Sus funciones de transmisión en tiempo real y clonación de voz permiten un desarrollo rápido de productos integrados con voz, mejorando la participación del usuario y expandiendo eficientemente el alcance del mercado global.