Diese Seite wurde maschinell aus dem Englischen übersetzt. Englisches Original lesen.

VoxCPM2 (Sprachmodell)

OffiziellAudioGPUv1.0.2aigd.audio-voxcpm2
Oder im Terminal
gamedev pkg add aigd.audio-voxcpm2
Läuft auf deinem Computer. Lädt ein Modell einmal herunter und generiert auf der GPU dieses Computers.

Übersicht

VoxCPM2 von OpenBMB: Text-to-Speech in 30 Sprachen und 9 chinesischen Dialekten bei 48 kHz, mit Stimmklon aus einem kurzen Clip, Stimmdesign aus einer Beschreibung sowie Emotions- und Tempoangaben – für Charakterdialoge und Erzählung. Läuft lokal auf deiner GPU mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.

VoxCPM2 ist ein Sprachmodell mit 2B Parametern von OpenBMB, basierend auf MiniCPM-4. Es spricht 30 Sprachen und 9 chinesische Dialekte bei 48 kHz und vereint drei Dinge in einem Modell: Es klont eine Stimme aus einem kurzen Clip, entwirft eine neue Stimme aus einer Textbeschreibung und steuert Emotion und Tempo per Anweisung. In der AI Game Dev App läuft es lokal auf deiner GPU über Lokale Audiogenerierung (aigd.audiocpp, die audio.cpp-Laufzeit), sodass jede Dialogzeile nichts kostet. Es eignet sich für Game-Entwickler, die Charaktere in vielen Sprachen vertonen, unter Apache-2.0, was kommerzielle Nutzung erlaubt.

Was du erstellen kannst

  • NPC-Dialoge und Erzählung in 30 Sprachen, für ein lokalisiertes Spiel.
  • Eine Charakterstimme, geklont aus einer kurzen Aufnahme (deiner eigenen oder der eines Sprechers mit Einwilligung).
  • Neue Charakterstimmen, in Worten beschrieben („Eine junge Frau, sanfte und liebliche Stimme“).
  • Emotionale Vortragsweise für Story-Szenen („Aufgeregt, schnell“), auch kombiniert mit einer geklonten oder entworfenen Stimme.
  • Längere Passagen: bis zu 2.000 Zeichen pro Anfrage.

Beispielanfragen

  • „Nutze voice/hero.wav und dessen Transkript und lies die Zeilen des Helden in dialogue/act1.txt vor.“
  • „Erstelle eine alte, weise Zaubererstimme und lass ihn die Prophezeiung auf Englisch und Spanisch sprechen.“
  • „Lies die Ladengrüßung auf Thailändisch, Vietnamesisch und Indonesisch vor, fröhlich und schnell.“
  • „Erzähle dialogue/intro.txt mit einer ruhigen, tiefen Stimme.“

Highlights

SpezifikationWert
Sprachen30 und 9 chinesische Dialekte (Liste unten)
Ausgabe48 kHz Mono-WAV, in deinem Projekt gespeichert
Text pro Anfragebis zu 2.000 Zeichen
Stimmeaus einem Clip geklont (2–30 s), aus einer Beschreibung entworfen oder vom Modell gewählt
Schrittestandardmäßig 10 Flow-Schritte, bis zu 50
Guidancestandardmäßig 2
  • 30 Sprachen: Arabisch, Birmanisch, Chinesisch, Dänisch, Niederländisch, Englisch, Finnisch, Französisch, Deutsch, Griechisch, Hebräisch, Hindi, Indonesisch, Italienisch, Japanisch, Khmer, Koreanisch, Laotisch, Malaiisch, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Suaheli, Schwedisch, Tagalog, Thailändisch, Türkisch, Vietnamesisch — und 9 chinesische Dialekte. Es erkennt die Sprache des Textes selbst; die Spracheinstellung ist nur informativ.
  • Stimmklon aus einem kurzen Clip (2–30 s, Stimme zum Klonen). Mit dem exakten Transkript des Clips schaltet die App VoxCPM2s „ultimate cloning“ ein (ultimate_clone), was die größte Ähnlichkeit liefert.
  • Stimmdesign: beschreibe die Stimme („Eine junge Frau, sanfte und liebliche Stimme“).
  • Emotion und Tempo: eine Anweisung („Aufgeregt, schnell“). Bei Stimmdesign oder Klonen gelten beide. audio.cpp übergibt sie so, wie VoxCPM2 es erwartet: in Klammern vor dem Text.
  • Ohne Clip oder Beschreibung wählt das Modell eine Stimme. Der eigene Standard-Seed von audio.cpp ist fest (1234); der Asset Studio sendet bei jedem Generate einen neuen Seed, und der Agent kann einen setzen.

Für stattdessen neun fertige integrierte Stimmen siehe Qwen3-TTS 1.7B CustomVoice.

Dieses Paket enthält nur Daten. Es benennt die Modelldatei. Die App lädt sie nach deiner Bestätigung herunter, prüft sie per sha256 und führt sie mit audio.cpp auf deinem Computer aus.

Download

2,96 GB, eine Datei, an einen Hugging Face Commit gepinnt:

DateiVonGröße
voxcpm2-q8_0.gguf (Sprachmodell, Diffusions-Decoder und AudioVAE in einer Datei)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.96 GB

Welche Rechner

RechnerBenötigtGeschwindigkeit
NVIDIA GPU (CUDA) oder eine andere GPU (Vulkan)etwa 8 GB GPU-Speicher (Angabe von OpenBMB)noch nicht gemessen
Mac mit Apple Silicon (Metal)etwa 16 GB Arbeitsspeicher (Schätzung)noch nicht gemessen

OpenBMBs ~8 GB gelten für die Originalgewichte; diese q8_0-Datei ist kleiner, und der Wert wird vor dem Release auf einer echten GPU geprüft.

Lizenz

Apache-2.0. Die kommerzielle Nutzung des Modells und der damit erzeugten Sprache ist erlaubt.

  • VoxCPM2 © OpenBMB — Model Card (license: apache-2.0, „frei für kommerzielle Nutzung“), Lizenztext.
  • GGUF-Paketierung: audio-cpp/audio.cpp-gguf — die Karte des Repositorys führt VoxCPM2-GGUF als Apache-2.0 auf, es unterliegt der Lizenz des Originalmodells.

Erforderliche Namensnennung, wenn du die Gewichte weiterverbreitest: Behalte den Apache-2.0-Lizenztext und die zugehörigen Hinweise für VoxCPM2 bei. Für die von dir erzeugte Sprache ist keine Namensnennung erforderlich.

Einschränkungen, klar gesagt: Die Lizenz selbst hat keine über die Hinweispflichten hinausgehenden Einschränkungen — kein Gebietslimit, keine Umsatzobergrenze, kein Wasserzeichen. Die Model Card ergänzt eine Nutzungsregel: Identitätsmissbrauch, Betrug und Desinformation sind strikt verboten, und KI-generierte Sprache sollte klar gekennzeichnet werden. Klone nur eine Stimme, für deren Nutzung du das Recht hast (deine eigene oder mit Einwilligung der sprechenden Person).

Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.

Versionen

Releases von VoxCPM2 (Sprachmodell)
VersionVeröffentlichtBenötigt die App
1.0.2Neueste0.32.0-beta.6 oder neuer
1.0.10.32.0-beta.6 oder neuer

Installieren

In der Desktop-App

Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle Browse, suche aigd.audio-voxcpm2 und klicke auf Add to Project.

Noch keine App? Lade AI Game Dev kostenlos herunter für Windows, macOS oder Linux.

Im Terminal

Mit der gamedev CLI in deinem Projektordner:

gamedev pkg add aigd.audio-voxcpm2

Voraussetzungen

  • AI Game Dev 0.32.0-beta.6 oder neuer

Mehr zu Packages

Installieren
gamedev pkg add aigd.audio-voxcpm2