OpenBMB（面壁智能）在 GitHub 公開發布 VoxCPM2，這是一款以「免 Tokenizer（Tokenizer-Free）」為核心創新的多語言文字轉語音（TTS）模型，目前已於 OpenBMB/VoxCPM 開源釋出。

傳統 TTS 系統通常需要依賴音素 Tokenizer 做前處理，VoxCPM2 跳過這一步驟，直接端對端學習文字到語音的映射，降低了多語言部署的複雜度，同時提升生成自然度。

重點

  • 免 Tokenizer 架構：省略音素分割步驟，更易支援低資源語言與混語場景
  • 多語言語音生成：原生支援多語言，跨語系切換更流暢
  • 創意聲音設計（Creative Voice Design）：可依需求生成風格化、個性化聲線，適合 AI 角色、播客、有聲書等應用
  • 高擬真人聲克隆（True-to-Life Cloning）：提供接近原聲的說話人克隆能力
  • 完全開源：程式碼與模型權重均在 GitHub 公開，方便研究者與開發者整合

編輯按

VoxCPM2 的出現再次展示了開源社群在語音合成領域的快速追趕。相較於商業 TTS API，它的開源授權讓本地部署與客製化微調成為可能，對需要保護隱私或離線運行的應用場景尤為有價值。TTS 正從「工具」進化為「聲音身份基礎設施」，VoxCPM2 值得語音 AI 開發者關注。

本文由 AI 整理，原文：GitHub - OpenBMB/VoxCPM