OpenBMB@OpenBMB · XAI 摘要
面壁智能发布VoxCPM2，一个2B参数的开源语音模型，支持30种语言及9种方言。该模型实现“声音可编辑”：通过提示词指定年龄、音色、情绪和语速，也可上传参考音频保留原音色并重新控制表达方式。实测显示，语音生成已从单纯模仿真人转向按需导演级表演，让声音变得像图片滤镜一样可描述、复制和改写。
Big thanks for this fantastic share and hands-on testing of VoxCPM2！ 👍 Voice is becoming editable - that's the shift we're driving. With VoxCPM2， you get Voice Design + Controllable Cloning， 30 languages &； 9 dialects， all in a 2B open-source model. https://github.com/OpenBMB/VoxCPM
本地跑了一遍 VoxCPM2,最让我意外的不是它会说粤语、河南话,而是"声音"正在变成一种可以编辑的东西。 写一句提示词,就能指定年龄、音色、情绪和语速;再上传一段参考音频,它还能保留音色,重新控制表达方式。 以前语音模型追求的是"像不像本人",现在已经开始解决"能不能按导演要求表演"。 当声音可以像图片滤镜一样被描述...