VoxCPM 模型本身开源，可按其官方开源协议免费下载与部署，商用条款以官方协议为准。若不想配置显卡环境，也可以使用本站 VoxCPM2在线：注册即送免费额度，打开网页即可体验声音克隆。

VoxCPM 是什么？VoxCPM2 开源模型介绍与在线使用

Q: VoxCPM 是哪家公司开发的？

VoxCPM 由面壁智能（OpenBMB）开源发布，代码托管在 GitHub 的 OpenBMB/VoxCPM 仓库，模型可在 Hugging Face 与 ModelScope 下载。VoxCPM2 基于其 MiniCPM-4 语言模型底座构建。

Q: VoxCPM 和 VoxCPM2 哪个好？

日常使用推荐 VoxCPM2：它是系列最新一代，参数从约 0.6B 扩到约 2B，语言从中英扩到 30 种语言加 9 种中文方言，并新增 Voice Design 与 Style Control，输出 48kHz。早期 VoxCPM 的优势是模型更小、部署更轻。

Q: VoxCPM 本地部署需要什么配置？

本地运行 VoxCPM/VoxCPM2 需要 NVIDIA 显卡与 Python 环境，从 GitHub 获取代码、按官方 README 安装依赖并下载模型权重后即可推理。不具备显卡条件时，可直接使用 VoxCPM2在线，浏览器打开即用。

Q: VoxCPM 的克隆效果怎么样？

以 VoxCPM2 官方技术报告为准：Seed-TTS-Eval 零样本克隆评测中英文 WER 1.84%、中文 CER 0.97%、中文说话人相似度 SIM 79.5%；主观评测自然度 N-MOS 4.78/5、相似度 S-MOS 4.74/5，处于开源模型第一梯队。

Q: VoxCPM 支持中文方言吗？

支持。VoxCPM2 覆盖 9 种中文方言：四川话、粤语、吴语、东北话、河南话、陕西话、山东话、天津话、闽南话，无需额外语言标签。早期 VoxCPM 仅支持普通话与英文。

Q: 不部署能用 VoxCPM 吗？

可以。本站 VoxCPM2在线基于 VoxCPM 开源模型搭建，无需下载与显卡，打开网页上传参考音频即可完成声音克隆与 AI 配音，手机也能操作。本站为第三方平台，与模型方无官方隶属或背书关系。

最后更新：2026-08-05数据来源：VoxCPM 官方 GitHub / 技术报告阅读约 6 分钟

VoxCPM 是面壁智能（OpenBMB）开源的语音生成大模型系列，采用 tokenizer-free（无分词器）架构，直接建模连续语音表征，主打零样本声音克隆与富有表现力的语音合成。系列目前包含三代：VoxCPM（约 0.6B）、VoxCPM1.5（约 0.8B）与最新一代 VoxCPM2（约 2B）。

只需一段参考音频，VoxCPM 即可克隆出对应音色并朗读任意文字，无需针对说话人单独训练。使用它有两条路：自己在本地部署（需要 NVIDIA 显卡），或通过 VoxCPM2在线这类在线平台打开网页直接用。下文把系列演进、参数、评测与两种使用方式一次讲清。

本页目录

VoxCPM 系列演进
三代参数对比表
技术特点
官方评测数据
怎么用：本地部署 vs 在线
常见问题

VoxCPM 系列演进

2025.09

VoxCPM（0.5B 系）

系列首发，约 0.6B 参数，在约 180 万小时中英语音上训练，确立 tokenizer-free 架构与续写式零样本声音克隆，输出 16kHz。

2025.12

VoxCPM1.5

参数提升到约 0.8B，音质升级至 44.1kHz，克隆稳定性改进，仍以中英双语为主。

2026

VoxCPM2（最新一代）

基于 MiniCPM-4 底座扩到约 2B 参数，训练数据超 200 万小时（官方文档约 236 万小时），语言扩展到 30 种 + 9 种中文方言，新增 Voice Design 与 Style Control，输出 48kHz。

三代参数对比表

对比项	VoxCPM	VoxCPM1.5	VoxCPM2（最新）
发布时间	2025.09	2025.12	2026
参数规模	约 0.6B	约 0.8B	约 2B
底座模型	—	—	MiniCPM-4
训练数据	约 180 万小时	约 180 万小时	超 200 万小时（约 236 万）
语言支持	中文、英文	中文、英文	30 种语言 + 9 种中文方言
声音克隆	续写式零样本	续写式零样本	独立参考音频 / 续写
音色设计	无	无	Voice Design
风格控制	无	无	Style Control
输出采样率	16kHz	44.1kHz	48kHz

数据来自 VoxCPM 官方 GitHub 与技术报告 · 核对于 2026-08-05

技术特点：为什么 VoxCPM 不一样

Tokenizer-free 架构。传统 TTS 通常先把语音离散成 token 再生成；VoxCPM 直接在连续语音表征上端到端建模，减少离散化带来的信息损失，这是其自然度与韵律表现的基础。

零样本克隆。无需为每个说话人训练模型，一段参考音频即可复刻音色；VoxCPM2 进一步支持不带参考文本的独立参考音频克隆。

可控生成。VoxCPM2 引入 Voice Design（用自然语言描述凭空生成音色）与 Style Control（控制情绪、语速、能量）。官方技术报告同时提示：可控生成的稳定性仍在持续优化，同一文本在不同指令下效果可能有差异。

VoxCPM2 官方评测数据

指标	数值	说明
英文 WER	1.84%	Seed-TTS-Eval 零样本克隆，越低越好
中文 CER	0.97%	Seed-TTS-Eval 零样本克隆，越低越好
中文 SIM	79.5%	说话人相似度，越高越好
N-MOS 自然度	4.78 / 5	主观评测，零样本克隆
S-MOS 相似度	4.74 / 5	主观评测，零样本克隆
I-MOS 指令遵循	4.50 / 5	可控生成主观评测

数据来自 VoxCPM2 技术报告 · 核对于 2026-08-05

怎么用 VoxCPM：本地部署 vs 在线使用

路线一 · GitHub 本地部署

适合：开发者、二次开发、离线大批量、数据敏感场景
要求：NVIDIA 显卡 + Python 环境
步骤：克隆 OpenBMB/VoxCPM 仓库 → 按 README 安装依赖 → 下载模型权重（Hugging Face / ModelScope）→ 运行推理

git clone https://github.com/OpenBMB/VoxCPM
cd VoxCPM && pip install -r requirements.txt
# 下载权重后按 README 运行推理脚本

路线二 · VoxCPM2在线（免部署）

适合：想直接出配音的创作者，无需显卡，手机可用
步骤：打开 voxcpmai.com → 上传一段清晰参考音频 → 输入文案、按需设定情绪语速 → 生成试听并下载 WAV/MP3
注册即送免费额度；生成音频含 AI 标识；克隆仅限本人或已授权声音

免费在线体验 VoxCPM2

VoxCPM 常见问题

VoxCPM 是什么？›

VoxCPM 是面壁智能（OpenBMB）开源的语音生成大模型系列，采用 tokenizer-free 架构，主打零样本声音克隆与富有表现力的语音合成。系列包含 VoxCPM（约 0.6B）、VoxCPM1.5（约 0.8B）与最新一代 VoxCPM2（约 2B）。

VoxCPM 是哪家公司开发的？›

由面壁智能（OpenBMB）开源发布，代码在 GitHub 的 OpenBMB/VoxCPM 仓库，模型可从 Hugging Face 与 ModelScope 下载。VoxCPM2 基于其 MiniCPM-4 底座构建。

VoxCPM 免费吗？›

模型本身开源，可按官方开源协议免费下载部署，商用条款以官方协议为准。不想配环境可用本站 VoxCPM2在线：注册即送免费额度，打开网页即可体验。

VoxCPM 和 VoxCPM2 哪个好？›

日常使用推荐 VoxCPM2：参数约 2B、30 语言 + 9 方言、新增 Voice Design 与 Style Control、输出 48kHz。早期 VoxCPM 的优势是模型更小、部署更轻。

VoxCPM 本地部署需要什么配置？›

需要 NVIDIA 显卡 + Python 环境，从 GitHub 获取代码、装依赖、下载权重后推理。没有显卡就用 VoxCPM2在线，浏览器打开即用。

VoxCPM 的克隆效果怎么样？›

VoxCPM2 官方数据：英文 WER 1.84%、中文 CER 0.97%、SIM 79.5%；主观 N-MOS 4.78/5、S-MOS 4.74/5，处于开源第一梯队。

VoxCPM 支持中文方言吗？›

VoxCPM2 覆盖 9 种中文方言：四川话、粤语、吴语、东北话、河南话、陕西话、山东话、天津话、闽南话。早期 VoxCPM 仅中英。

不部署能用 VoxCPM 吗？›

可以。本站 VoxCPM2在线基于 VoxCPM 开源模型搭建，免下载免显卡，打开网页上传参考音频即可克隆与配音。本站为第三方平台，与模型方无官方隶属或背书关系。

不想部署？在线直接用 VoxCPM2

免下载、免显卡，注册即送免费额度，打开网页克隆你的第一个声音。

免费开始