💡
原文英文，约300词，阅读约需1分钟。
📝
内容提要
VoxCPM是OpenBMB推出的开源无分词文本转语音系统，支持上下文感知和零-shot语音克隆，基于MiniCPM-4，适用于语音助手和媒体配音等高保真合成任务。
🎯
关键要点
- VoxCPM是OpenBMB推出的开源无分词文本转语音系统。
- 支持上下文感知和零-shot语音克隆，基于MiniCPM-4。
- 具备训练和推理管道、预训练权重，以及Hugging Face上的互动演示。
- 上下文感知的表现力：生成与语义内容匹配的韵律和说话风格。
- 真实的语音克隆：从简短参考音频中准确捕捉音色、韵律和细微特征。
- 高效推理：工程优化使得在消费级GPU上实现低实时因子（RTF）的流式合成。
- 开源发布：代码、检查点和示例在GitHub和Hugging Face上以Apache-2.0许可证发布。
- 适用于高保真和上下文敏感的合成任务，如语音助手、媒体配音、语言研究等。
- VoxCPM采用无分词的连续声学建模，结合分层语言建模和FSQ约束。
- 系统使用基于MiniCPM-4的扩散自回归管道，提供训练食谱、推理接口和示例脚本。
❓
延伸问答
VoxCPM是什么类型的系统？
VoxCPM是一个开源的无分词文本转语音系统。
VoxCPM支持哪些语音合成功能？
VoxCPM支持上下文感知的语音合成和零-shot语音克隆。
VoxCPM的语音克隆技术有什么特点？
VoxCPM能够从简短的参考音频中准确捕捉音色、韵律和细微特征，实现真实的语音克隆。
VoxCPM适合哪些应用场景？
VoxCPM适用于语音助手、媒体配音、语言研究等高保真合成任务。
VoxCPM的开源发布在哪里可以找到？
VoxCPM的代码、检查点和示例可以在GitHub和Hugging Face上找到。
VoxCPM如何实现高效推理？
VoxCPM通过工程优化实现了在消费级GPU上低实时因子的流式合成。
➡️
