Quais idiomas o VoxCPM2 suporta?

O VoxCPM2 suporta 30 idiomas, como inglês, chinês, espanhol, francês, alemão e outros, além de dialetos chineses como o sichuanês e o cantonês, conforme detalhado na documentação.

O VoxCPM2 é de código aberto e gratuito para uso?

Sim, o VoxCPM2 é totalmente de código aberto sob a Licença Apache 2.0, disponível no GitHub para uso, modificação e distribuição gratuitos.

Como faço clonagem de voz com o VoxCPM2?

A clonagem de voz pode ser feita usando ferramentas de linha de comando ou a API, fornecendo arquivos de áudio de referência e transcrições opcionais, conforme mostrado nos exemplos para processamento único ou em lote.

Quais são os requisitos de sistema para executar o VoxCPM2?

Exige Python ≥ 3.10, PyTorch ≥ 2.5.0 e CUDA ≥ 12.0 para aceleração por GPU, com instruções detalhadas de instalação fornecidas no guia de início rápido.

VoxCPM2

TTS de código aberto com 48kHz, design de voz e clonagem

Modelos de Linguagem

Conteúdo e mídia com IA

Visitar

Detalhes da listagem

Registro de diretório da HiCyou

Listada

Site listado: github.com
Publicada no diretório: 14 de abr. de 2026
Última atualização do registro: 14 de abr. de 2026

Informações incluídas na listagem

Visão geral
5 recursos principais
4 casos de uso

Esta página descreve o registro de diretório da HiCyou. Ela não é uma certificação de segurança, propriedade ou qualidade do produto.

Revise o site externo antes de compartilhar informações confidenciais ou fazer uma compra.

O que é VoxCPM2

VoxCPM2 é um modelo de texto para fala de código aberto com 2 bilhões de parâmetros, suportando 30 idiomas e fornecendo saída de áudio de alta qualidade em 48kHz. Apresenta arquitetura livre de tokenizador para síntese eficiente, permitindo design de voz a partir de descrições em texto e clonagem de voz controlável. O modelo é otimizado para streaming em tempo real, tornando-o adequado para fluxos de trabalho de voz em produção e aplicações escaláveis.

Recursos principais

Suporte multilíngue para 30 idiomas, incluindo vários dialetos

Saída de áudio de alta fidelidade em 48kHz para síntese de fala realista

Capacidades de design e clonagem de voz a partir de referências de texto ou áudio

Modelo de difusão autorregressivo livre de tokenizador para processamento eficiente

Desempenho de streaming em tempo real adequado para ambientes de produção

Casos de uso

Criadores de conteúdo gerando narrações multilíngues para vídeos ou podcasts
Desenvolvedores integrando TTS em aplicações como assistentes virtuais ou ferramentas de acessibilidade
Empresas implementando chatbots de atendimento ao cliente com vozes naturais e personalizáveis
Pesquisadores experimentando com síntese de voz, manipulação vocal ou ajuste fino de modelos de linguagem

Por que startups precisam desta ferramenta?

Startups precisam do VoxCPM2 por oferecer uma solução de código aberto e econômica para TTS multilíngue de alta qualidade, reduzindo a dependência de serviços proprietários caros. Seus recursos de streaming em tempo real e clonagem de voz permitem o desenvolvimento rápido de produtos integrados com voz, aumentando o engajamento do usuário e expandindo o alcance do mercado global de forma eficiente.