VoxCPM2(音声モデル)
gamedev pkg add aigd.audio-voxcpm2概要
OpenBMBによるVoxCPM2は、30言語と中国語9方言を48 kHzで音声合成するテキスト読み上げモデルです。短いクリップからのボイスクローン、説明文からのボイス設計、感情と速度の指示に対応し、キャラクターの台詞やナレーションに使えます。audio.cppによりお使いのGPUでローカルに動作します。Apache-2.0、商用利用可。
VoxCPM2はOpenBMBによる2Bパラメータの音声モデルで、MiniCPM-4をベースにしています。30言語と中国語9方言を48 kHzで話し、1つのモデルで3つのことを行います。短いクリップから声をクローンし、テキストの説明から新しい声を設計し、指示で感情と速度を操作します。AI Game Devアプリでは、ローカル音声生成(aigd.audiocpp、audio.cppランタイム)を通じてお使いのGPUでローカルに動作するため、台詞1行あたりのコストはかかりません。多言語でキャラクターに声を当てるゲーム開発者に適しており、Apache-2.0の下で商用利用が可能です。
何が作れるか
- ローカライズされたゲーム向けの、30言語でのNPCの台詞とナレーション。
- 短い録音からクローンしたキャラクターの声(自分の声、または同意を得た俳優の声)。
- 言葉で描写する新しいキャラクターの声(「若い女性、優しく甘い声」)。
- ストーリーシーンのための感情表現(「興奮して、速く」)。クローンした声や設計した声と組み合わせることもできます。
- 長めの文章にも対応し、1リクエストあたり最大2,000文字です。
リクエストの例
- 「
voice/hero.wavとその書き起こしを使って、dialogue/act1.txtで主人公の台詞を読んで」 - 「年老いた賢い魔法使いの声を作り、その魔法使いに預言を英語とスペイン語で話させて」
- 「ショップの挨拶をタイ語、ベトナム語、インドネシア語で、明るく速く読んで」
- 「
dialogue/intro.txtを落ち着いた低い声でナレーションして」
ハイライト
| 仕様 | 値 |
|---|---|
| 言語 | 30言語と中国語9方言(以下に一覧) |
| 出力 | 48 kHzモノラルWAV、プロジェクトに保存 |
| 1リクエストあたりのテキスト | 最大2,000文字 |
| 声 | クリップ(2–30 s)からクローン、説明から設計、またはモデルが選択 |
| ステップ | デフォルトで10フローステップ、最大50 |
| ガイダンス | デフォルトで2 |
- 30言語: アラビア語、ビルマ語、中国語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、インドネシア語、イタリア語、日本語、クメール語、韓国語、ラオ語、マレー語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スペイン語、スワヒリ語、スウェーデン語、タガログ語、タイ語、トルコ語、ベトナム語 — さらに中国語9方言。テキストの言語は自動的に検出されます。言語設定は情報表示のみです。
- ボイスクローン: 短いクリップ(2–30 s、クローンする声)から。クリップの正確な書き起こしがあると、アプリはVoxCPM2の「アルティメットクローン」(
ultimate_clone)を有効にし、最も近い類似度が得られます。 - ボイス設計: 声を説明します(「若い女性、優しく甘い声」)。
- 感情と速度: 指示(「興奮して、速く」)。ボイス設計またはクローンのどちらと併用しても、両方が適用されます。audio.cppはVoxCPM2が期待する方法、つまりテキストの前に括弧書きでこれらを渡します。
- クリップも説明もない場合、モデルが声を選びます。audio.cpp自体のデフォルトシードは固定(1234)です。Asset StudioはGenerateのたびに新しいシードを送信し、エージェントがシードを設定することもできます。
すぐに使える9種類の内蔵ボイスについては、Qwen3-TTS 1.7B CustomVoiceをご覧ください。
このパッケージはデータのみです。モデルファイルを指定します。アプリは確認後にダウンロードし、sha256で検証して、お使いのコンピュータでaudio.cppにより実行します。
ダウンロード
2.96 GB、1ファイル、Hugging Faceのコミットに固定:
| ファイル | 取得元 | サイズ |
|---|---|---|
voxcpm2-q8_0.gguf(言語モデル、拡散デコーダ、AudioVAEを1ファイルに収録) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 2.96 GB |
動作するコンピュータ
| コンピュータ | 必要なもの | 速度 |
|---|---|---|
| NVIDIA GPU(CUDA)またはその他のGPU(Vulkan) | 約8 GBのGPUメモリ(OpenBMBの数値) | 未計測 |
| Appleシリコン搭載Mac(Metal) | 約16 GBのメモリ(推定) | 未計測 |
OpenBMBの~8 GBは元の重みに対する値です。このq8_0ファイルはより小さく、この数値はリリース前に実機のGPUで確認されます。
ライセンス
Apache-2.0。モデルおよび生成された音声の商用利用が可能です。
- VoxCPM2 © OpenBMB — モデルカード(
license: apache-2.0、「商用利用無料」)、ライセンス本文。 - GGUFパッケージング:
audio-cpp/audio.cpp-gguf— リポジトリのカードではVoxCPM2-GGUFがApache-2.0と記載されており、元のモデルライセンスに従います。
重みを再配布する際に必要な表示: VoxCPM2のApache-2.0ライセンス本文とその通知を保持してください。生成した音声には表示義務はありません。
制限について率直に言えば、ライセンス自体には通知要件以外の制限はありません。地域制限も、収益上限も、ウォーターマークもありません。モデルカードは追加の利用ルールを定めています。なりすまし、詐欺、偽情報は固く禁じられており、AI生成音声には明確なラベルを付けるべきです。クローンするのは、使用する権利のある声(自分の声、または話者の同意を得た声)だけにしてください。
すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはそれらをホストしていません。
バージョン
| バージョン | リリース日 | アプリが必要 |
|---|---|---|
| 1.0.2最新 | 0.32.0-beta.6 以降 | |
| 1.0.1 | 0.32.0-beta.6 以降 |
インストール
デスクトップアプリで
Packages ウィンドウを開き(ステータスバーのパッケージアイコン)、Browse を選んで aigd.audio-voxcpm2 を検索し、Add to Project をクリックします。
アプリがまだない方は、Windows、macOS、Linux 用の AI Game Dev を無料でダウンロードしてください。
ターミナルから
gamedev CLI を使い、プロジェクトフォルダーで実行します。
gamedev pkg add aigd.audio-voxcpm2必要条件
- AI Game Dev 0.32.0-beta.6 以降
gamedev pkg add aigd.audio-voxcpm2