VoxCPM2 (modelo de fala)
gamedev pkg add aigd.audio-voxcpm2Visão geral
VoxCPM2 da OpenBMB: conversão de texto em fala em 30 idiomas e 9 dialetos chineses a 48 kHz, com clonagem de voz a partir de um clipe curto, criação de voz a partir de uma descrição e instruções de emoção e ritmo, para diálogos de personagens e narração. Roda localmente na sua GPU com audio.cpp. Apache-2.0, uso comercial permitido.
O VoxCPM2 é um modelo de fala de 2 bilhões de parâmetros da OpenBMB, baseado no MiniCPM-4. Ele fala 30 idiomas e 9 dialetos chineses a 48 kHz e faz três coisas em um único modelo: clona uma voz a partir de um clipe curto, cria uma nova voz a partir de uma descrição em texto e controla emoção e ritmo com uma instrução. No app AI Game Dev ele roda localmente na sua GPU por meio de Geração de áudio local (aigd.audiocpp, o runtime audio.cpp), então cada linha de diálogo não custa nada. Ele é indicado para desenvolvedores de jogos que dão voz a personagens em muitos idiomas, sob Apache-2.0, que permite uso comercial.
O que você pode criar
- Diálogos de NPCs e narração em 30 idiomas, para um jogo localizado.
- Uma voz de personagem clonada a partir de uma gravação curta (a sua própria ou a de um ator, com consentimento).
- Novas vozes de personagem descritas em palavras ("Uma jovem, voz suave e gentil").
- Interpretação emocional para cenas de história ("Empolgado, rápido"), também combinada com uma voz clonada ou criada.
- Trechos mais longos: até 2.000 caracteres por requisição.
Exemplos de pedidos
- "Usando
voice/hero.wave sua transcrição, leia as falas do herói emdialogue/act1.txt." - "Crie uma voz de mago velho e sábio e faça ele dizer a profecia em inglês e espanhol."
- "Leia a saudação da loja em tailandês, vietnamita e indonésio, alegre e rápido."
- "Narre
dialogue/intro.txtcom uma voz calma e grave."
Destaques
| Especificação | Valor |
|---|---|
| Idiomas | 30 e 9 dialetos chineses (lista abaixo) |
| Saída | WAV mono de 48 kHz, salvo no seu projeto |
| Texto por requisição | até 2.000 caracteres |
| Voz | clonada de um clipe (2–30 s), criada a partir de uma descrição ou escolhida pelo modelo |
| Etapas | 10 etapas de flow por padrão, até 50 |
| Orientação | 2 por padrão |
- 30 idiomas: árabe, birmanês, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, híndi, indonésio, italiano, japonês, khmer, coreano, lao, malaio, norueguês, polonês, português, russo, espanhol, suaíli, sueco, tagalo, tailandês, turco, vietnamita — e 9 dialetos chineses. Ele detecta o idioma do próprio texto; a configuração de idioma é apenas informativa.
- Clonagem de voz a partir de um clipe curto (2–30 s, Voice to clone). Com a transcrição exata do clipe, o app ativa a "clonagem definitiva" do VoxCPM2 (
ultimate_clone), que dá a maior semelhança. - Criação de voz: descreva a voz ("Uma jovem, voz suave e gentil").
- Emoção e ritmo: uma instrução ("Empolgado, rápido"). Com criação de voz ou clonagem, as duas se aplicam. O audio.cpp as passa do jeito que o VoxCPM2 espera: entre parênteses na frente do texto.
- Sem um clipe ou uma descrição, o modelo escolhe uma voz. A seed padrão do próprio audio.cpp é fixa (1234); o Asset Studio envia uma nova seed a cada clique em Generate, e o agente pode definir uma.
Para nove vozes embutidas prontas, veja Qwen3-TTS 1.7B CustomVoice.
Este pacote é apenas dados. Ele nomeia o arquivo do modelo. O app baixa o arquivo depois que você confirma, verifica por sha256 e o executa com audio.cpp no seu computador.
Download
2,96 GB, um arquivo, fixado em um commit do Hugging Face:
| Arquivo | De | Tamanho |
|---|---|---|
voxcpm2-q8_0.gguf (modelo de linguagem, decodificador de difusão e AudioVAE em um único arquivo) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 2.96 GB |
Quais computadores
| Computador | Requisitos | Velocidade |
|---|---|---|
| GPU NVIDIA (CUDA) ou outra GPU (Vulkan) | cerca de 8 GB de memória de GPU (número da OpenBMB) | ainda não medido |
| Mac com Apple silicon (Metal) | cerca de 16 GB de memória (estimativa) | ainda não medido |
Os ~8 GB da OpenBMB são para os pesos originais; este arquivo q8_0 é menor, e o número é verificado em uma GPU real antes do lançamento.
Licença
Apache-2.0. O uso comercial do modelo e da fala que ele gera é permitido.
- VoxCPM2 © OpenBMB — cartão do modelo (
license: apache-2.0, "livre para uso comercial"), texto da licença. - Empacotamento GGUF:
audio-cpp/audio.cpp-gguf— o cartão do repositório listaVoxCPM2-GGUFcomo Apache-2.0, regido pela licença do modelo original.
Atribuição obrigatória quando você redistribui os pesos: mantenha o texto da licença Apache-2.0 e seus avisos para o VoxCPM2. Nenhuma atribuição é exigida para a fala que você gera.
Restrições, sem rodeios: a própria licença não tem nenhuma além dos requisitos de aviso — sem limite territorial, sem teto de receita, sem marca d'água. O cartão do modelo acrescenta uma regra de uso: impersonação, fraude e desinformação são estritamente proibidas, e a fala gerada por IA deve ser claramente rotulada. Clone apenas uma voz que você tem o direito de usar (a sua própria ou com o consentimento do falante).
Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
Versões
| Versão | Lançamento | Requer o app |
|---|---|---|
| 1.0.2Mais recente | 0.32.0-beta.6 ou mais recente | |
| 1.0.1 | 0.32.0-beta.6 ou mais recente |
Instalar
No app para desktop
Abra a janela Pacotes (o ícone de pacote na barra de status), selecione Explorar, pesquise aigd.audio-voxcpm2 e clique em Adicionar ao projeto.
Ainda sem o app? Baixe o AI Game Dev grátis para Windows, macOS ou Linux.
Pelo terminal
Com a CLI gamedev, na pasta do seu projeto:
gamedev pkg add aigd.audio-voxcpm2Requisitos
- AI Game Dev 0.32.0-beta.6 ou mais recente
gamedev pkg add aigd.audio-voxcpm2