本頁面由英文機器翻譯而成。閱讀英文原文。

VoxCPM2(語音模型)

官方音訊GPUv1.0.2aigd.audio-voxcpm2
安裝 還沒安裝應用程式?免費下載
或在終端機中執行
gamedev pkg add aigd.audio-voxcpm2
在你的電腦上執行。 只需下載一次模型,之後便在這台電腦的 GPU 上生成。

總覽

OpenBMB 的 VoxCPM2:以 48 kHz 提供 30 種語言與 9 種中文方言的文字轉語音,可從簡短片段複製音色、依描述設計音色,並用情緒與語速指令控制,適合角色對白與旁白。透過 audio.cpp 在你的 GPU 上本機執行。Apache-2.0,允許商業使用。

VoxCPM2 是 OpenBMB 推出的 2B 參數語音模型,以 MiniCPM-4 為基礎。它能以 48 kHz 說 30 種語言與 9 種中文方言,並在單一模型中做到三件事:從簡短片段複製音色、依文字描述設計新音色,以及用指令調整情緒與語速。在 AI Game Dev 應用程式中,它透過 本機音訊生成(aigd.audiocpp,audio.cpp 執行環境)在你的 GPU 上本機執行,因此每句對白都不產生任何成本。它適合需要為角色配上多種語言語音的遊戲開發者,授權為 Apache-2.0,允許商業使用。

你可以製作什麼

  • 30 種語言的 NPC 對白與旁白,適合在地化遊戲。
  • 從簡短錄音複製而來的角色音色(你自己的錄音,或經演員同意的錄音)。
  • 以文字描述的新角色音色(「年輕女性,溫柔甜美的聲音」)。
  • 為劇情場景加上情緒表現(「興奮、語速快」),也可搭配複製或設計的音色一起使用。
  • 較長的段落:每次請求最多 2,000 個字元。

範例請求

  • 「使用 voice/hero.wav 及其逐字稿,用 dialogue/act1.txt 朗讀主角的台詞。」
  • 「創造一個年邁睿智的巫師音色,讓他用英文和西班牙文說出預言。」
  • 「用泰文、越南文和印尼文朗讀商店招呼語,語氣開朗、語速快。」
  • 「用沉穩低沉的嗓音朗讀 dialogue/intro.txt。」

重點特色

規格值
語言30 種語言與 9 種中文方言(清單如下)
輸出48 kHz 單聲道 WAV,儲存到你的專案中
每次請求的文字量最多 2,000 個字元
音色從片段複製(2–30 秒)、依描述設計,或由模型自行挑選
步數預設 10 個 flow 步,最多 50 個
引導強度預設為 2
  • 30 種語言:阿拉伯文、緬甸文、中文、丹麥文、荷蘭文、英文、芬蘭文、法文、德文、希臘文、希伯來文、印地文、印尼文、義大利文、日文、高棉文、韓文、寮文、馬來文、挪威文、波蘭文、葡萄牙文、俄文、西班牙文、史瓦希里文、瑞典文、他加祿文、泰文、土耳其文、越南文 — 以及 9 種中文方言。它會自行偵測文字的語言;語言設定僅供參考。
  • 音色複製:從簡短片段(2–30 秒,Voice to clone)複製音色。若同時提供該片段的逐字稿,應用程式會啟用 VoxCPM2 的「終極複製」(ultimate_clone),相似度最高。
  • 音色設計:用文字描述音色(「年輕女性,溫柔甜美的聲音」)。
  • 情緒與語速:以指令描述(「興奮、語速快」)。搭配音色設計或音色複製時,兩者會同時生效。audio.cpp 會依 VoxCPM2 預期的方式傳遞:放在文字前方的括號內。
  • 若沒有片段也沒有描述,模型會自行挑選音色。audio.cpp 本身的預設種子是固定的(1234);Asset Studio 每次按下「生成」都會送出新的種子,代理也可以自行設定。

若想改用九種現成的內建音色,請參閱 Qwen3-TTS 1.7B CustomVoice。

此套件僅包含資料。它指名模型檔案。應用程式會在你確認後下載、以 sha256 檢查,並在你的電腦上透過 audio.cpp 執行。

下載

2.96 GB,單一檔案,固定於 Hugging Face 的特定提交:

檔案來源大小
voxcpm2-q8_0.gguf(語言模型、擴散解碼器與 AudioVAE 整合於單一檔案)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.96 GB

適用電腦

電腦需求速度
NVIDIA GPU(CUDA)或其他 GPU(Vulkan)約 8 GB GPU 記憶體(OpenBMB 提供的數字)尚未實測
Apple 晶片的 Mac(Metal)約 16 GB 記憶體(估計值)尚未實測

OpenBMB 的 ~8 GB 是針對原始權重;這個 q8_0 檔案更小,該數字會在發布前於實際 GPU 上驗證。

授權

Apache-2.0。允許將模型及其生成的語音用於商業用途。

  • VoxCPM2 © OpenBMB — 模型卡(license: apache-2.0,「可免費商業使用」)、授權條文。
  • GGUF 封裝:audio-cpp/audio.cpp-gguf — 該儲存庫的說明卡將 VoxCPM2-GGUF 標示為 Apache-2.0,並受原始模型授權規範。

重新散布權重時所需的署名:請保留 VoxCPM2 的 Apache-2.0 授權條文及其聲明。你生成的語音則無需署名。

限制說明白一點:授權本身除了聲明要求之外沒有任何限制——沒有限制地區、沒有營收上限、沒有浮水印。模型卡另外加了一條使用規則:嚴格禁止冒充他人、詐欺與散布不實資訊,且 AI 生成的語音應清楚標示。只複製你有權使用的音色(你自己的,或取得說話者同意的)。

所有檔案皆從 Hugging Face 下載。AI Game Dev 並未自行託管這些檔案。

版本

VoxCPM2(語音模型) 的發布版本
版本發布日期需搭配應用程式
1.0.2最新0.32.0-beta.6 或更新版本
1.0.10.32.0-beta.6 或更新版本

安裝

在桌面應用程式中

開啟 套件 視窗(狀態列上的套件圖示),選擇 瀏覽,搜尋 aigd.audio-voxcpm2,然後點選 加到專案。

還沒安裝應用程式?免費下載 AI Game Dev,支援 Windows、macOS 與 Linux。

從終端機

在你的專案資料夾中,使用 gamedev CLI:

gamedev pkg add aigd.audio-voxcpm2

需求

  • AI Game Dev 0.32.0-beta.6 或更新版本

進一步瞭解套件

安裝
gamedev pkg add aigd.audio-voxcpm2