OpenBMB ha presentato il modello VoxCPM per la generazione vocale

Il team di OpenBMB ha rilasciato VoxCPM2, un modello specializzato per la sintesi vocale (TTS). Il sistema è basato su un'architettura con 2 miliardi di parametri e funziona senza l'utilizzo di un tokenizer, il che consente di elaborare direttamente i dati audio.

Il modello supporta la generazione audio in 30 lingue e fornisce un output sonoro con una frequenza di campionamento di 48 kHz. Una delle caratteristiche chiave del rilascio è la funzione Voice Design, che consente agli utenti di personalizzare in modo flessibile le caratteristiche della voce sintetizzata per compiti specifici.

Lo sviluppo è orientato alla creazione di contenuti audio di alta qualità con una latenza minima. L'assenza di una fase intermedia di tokenizzazione semplifica la pipeline di elaborazione dei dati, rendendo il modello adatto all'integrazione in sistemi interattivi che richiedono un suono naturale e il supporto multilingue.

Per sviluppatori e ricercatori, l'accesso al codice e ai pesi del modello è disponibile nel repository ufficiale del progetto. Lo strumento consente di implementare funzionalità avanzate di sintesi vocale in applicazioni locali, ampliando il toolkit per lavorare con l'audio in attività che richiedono un'elevata precisione nella trasmissione delle intonazioni e il supporto di un'ampia gamma di coppie linguistiche.