このページは英語から機械翻訳されています。英語の原文を読む。

VoxCPM2(音声モデル)

公式オーディオGPUv1.0.2aigd.audio-voxcpm2
インストール アプリがまだない方は 無料でダウンロード
またはターミナルから
gamedev pkg add aigd.audio-voxcpm2
お使いのコンピューターで実行します。 モデルを一度ダウンロードするだけで、このコンピューターの GPU で生成します。

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 @ b7b9aa1f2.96 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。

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

VoxCPM2(音声モデル)のリリース
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
1.0.10.32.0-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

パッケージについて詳しく

インストール
gamedev pkg add aigd.audio-voxcpm2