OpenBMB · @OpenBMB · X·2026-07-01 14:38·65天前
AI 导读

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。

OpenBMB@OpenBMB
55AI 编辑部评分,满分 100
2026-07-01 14:38· 65天前
AI 导读

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

Vincent | 信号>噪音本地跑了一遍 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...

来源:OpenBMB· x.com