VoxCPM2 (modelo de voz)
gamedev pkg add aigd.audio-voxcpm2Resumen
VoxCPM2 de OpenBMB: conversión de texto a voz en 30 idiomas y 9 dialectos chinos a 48 kHz, con clonación de voz a partir de un clip corto, diseño de voz a partir de una descripción e instrucciones de emoción y ritmo, para diálogos de personajes y narración. Se ejecuta localmente en tu GPU con audio.cpp. Apache-2.0, uso comercial permitido.
VoxCPM2 es un modelo de voz de 2B parámetros de OpenBMB, basado en MiniCPM-4. Habla 30 idiomas y 9 dialectos chinos a 48 kHz, y hace tres cosas en un solo modelo: clona una voz a partir de un clip corto, diseña una voz nueva a partir de una descripción de texto y dirige la emoción y el ritmo con una instrucción. En la app AI Game Dev se ejecuta localmente en tu GPU mediante Generación de audio local (aigd.audiocpp, el runtime audio.cpp), así que cada línea de diálogo no cuesta nada. Encaja con desarrolladores de juegos que ponen voz a personajes en muchos idiomas, bajo Apache-2.0, que permite el uso comercial.
Qué puedes crear
- Diálogos de NPC y narración en 30 idiomas, para un juego localizado.
- Una voz de personaje clonada a partir de una grabación corta (la tuya, o la de un actor con su consentimiento).
- Voces nuevas de personaje descritas con palabras («Una mujer joven, voz suave y dulce»).
- Expresividad emocional para escenas de la historia («Emocionada, rápido»), también combinada con una voz clonada o diseñada.
- Pasajes más largos: hasta 2,000 caracteres por petición.
Ejemplos de peticiones
- «Usando
voice/hero.wavy su transcripción, lee las líneas del héroe endialogue/act1.txt.» - «Crea una voz de mago anciano y sabio y haz que diga la profecía en inglés y en español.»
- «Lee el saludo de la tienda en tailandés, vietnamita e indonesio, alegre y rápido.»
- «Narra
dialogue/intro.txtcon una voz tranquila y grave.»
Aspectos destacados
| Especificación | Valor |
|---|---|
| Idiomas | 30 idiomas y 9 dialectos chinos (lista más abajo) |
| Salida | WAV mono a 48 kHz, guardado en tu proyecto |
| Texto por petición | hasta 2,000 caracteres |
| Voz | clonada a partir de un clip (2–30 s), diseñada a partir de una descripción o elegida por el modelo |
| Pasos | 10 pasos de flujo por defecto, hasta 50 |
| Guía | 2 por defecto |
- 30 idiomas: árabe, birmano, chino, danés, neerlandés, inglés, finlandés, francés, alemán, griego, hebreo, hindi, indonesio, italiano, japonés, jemer, coreano, lao, malayo, noruego, polaco, portugués, ruso, español, suajili, sueco, tagalo, tailandés, turco, vietnamita — y 9 dialectos chinos. Detecta por sí mismo el idioma del texto; el ajuste de idioma es informativo.
- Clonación de voz a partir de un clip corto (2–30 s, Voz a clonar). Con la transcripción exacta del clip, la app activa la «clonación definitiva» de VoxCPM2 (
ultimate_clone), que da el mayor parecido. - Diseño de voz: describe la voz («Una mujer joven, voz suave y dulce»).
- Emoción y ritmo: una instrucción («Emocionada, rápido»). Con el diseño de voz o la clonación se aplican ambos. audio.cpp las pasa tal como VoxCPM2 espera: entre paréntesis delante del texto.
- Sin un clip ni una descripción, el modelo elige una voz. La semilla por defecto de audio.cpp es fija (1234); el Asset Studio envía una semilla nueva en cada Generate, y el agente puede establecer una.
Si prefieres nueve voces integradas ya listas, consulta Qwen3-TTS 1.7B CustomVoice.
Este paquete solo contiene datos. Indica el nombre del archivo del modelo. La app lo descarga después de que confirmes, lo verifica por sha256 y lo ejecuta con audio.cpp en tu equipo.
Descarga
2.96 GB, un solo archivo, fijado a un commit de Hugging Face:
| Archivo | Origen | Tamaño |
|---|---|---|
voxcpm2-q8_0.gguf (modelo de lenguaje, decodificador de difusión y AudioVAE en un solo archivo) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 2.96 GB |
Qué equipos
| Equipo | Requisitos | Velocidad |
|---|---|---|
| GPU NVIDIA (CUDA) u otra GPU (Vulkan) | unos 8 GB de memoria de GPU (cifra de OpenBMB) | aún sin medir |
| Mac con Apple silicon (Metal) | unos 16 GB de memoria (estimación) | aún sin medir |
Los ~8 GB de OpenBMB son para los pesos originales; este archivo q8_0 es más pequeño, y la cifra se comprueba en una GPU real antes del lanzamiento.
Licencia
Apache-2.0. Se permite el uso comercial del modelo y del habla que genera.
- VoxCPM2 © OpenBMB — ficha del modelo (
license: apache-2.0, «libre para uso comercial»), texto de la licencia. - Empaquetado GGUF:
audio-cpp/audio.cpp-gguf— la ficha del repositorio indicaVoxCPM2-GGUFcomo Apache-2.0, regido por la licencia del modelo original.
Atribución obligatoria cuando redistribuyas los pesos: conserva el texto de la licencia Apache-2.0 y sus avisos para VoxCPM2. No se exige atribución por el habla que generes.
Restricciones, en claro: la licencia en sí no tiene ninguna más allá de los requisitos de aviso: sin límite territorial, sin tope de ingresos, sin marca de agua. La ficha del modelo añade una regla de uso: la suplantación de identidad, el fraude y la desinformación están terminantemente prohibidos, y el habla generada por IA debe etiquetarse claramente. Clona solo una voz que tengas derecho a usar (la tuya o con el consentimiento de la persona que habla).
Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.
Versiones
| Versión | Publicada | Requiere la aplicación |
|---|---|---|
| 1.0.2Última | 0.32.0-beta.6 o posterior | |
| 1.0.1 | 0.32.0-beta.6 o posterior |
Instalar
En la app de escritorio
Abre la ventana Paquetes (el icono de paquete en la barra de estado), selecciona Explorar, busca aigd.audio-voxcpm2 y haz clic en Añadir al proyecto.
¿Aún no tienes la app? Descarga AI Game Dev gratis para Windows, macOS o Linux.
Desde el terminal
Con la CLI gamedev, en la carpeta de tu proyecto:
gamedev pkg add aigd.audio-voxcpm2Requisitos
- AI Game Dev 0.32.0-beta.6 o posterior
gamedev pkg add aigd.audio-voxcpm2