OpenBMB 發表了用於語音生成的 VoxCPM 模型

OpenBMB 團隊發布了 VoxCPM2，這是一款專門用於文字轉語音（TTS）的模型。該系統基於 20 億參數架構構建，無需使用標記器（tokenizer）即可直接處理音訊數據。

該模型支援 30 種語言的音訊生成，並提供 48 kHz 取樣率的音訊輸出。此次發布的一個關鍵功能是 Voice Design，允許使用者根據特定任務靈活調整合成語音的特性。

該開發旨在以最低延遲創建高品質的音訊內容。省去中間的標記化步驟簡化了數據處理流程，使該模型適合整合到需要自然語音和多語言支援的互動系統中。

對於開發者和研究人員，程式碼和模型權重已在專案的官方儲存庫中公開。該工具允許將先進的語音合成功能導入本地應用程式，擴展了在需要高精度語調傳達和廣泛語言對支援的音訊任務中的工具集。