VoxCPM是开源TTS系统，无需分词即可实时克隆人声，在连续空间建模语音，保留呼吸声等细节。基于MiniCPM-4，采用扩散自回归架构，分文本语义和残差声学两模型，支持上下文感知韵律和零样本克隆（3-10秒音频），可流式合成及微调。