VoxCPM2
Описание
VoxCPM2 — открытая модель озвучки текста от OpenBMB на 2 миллиарда параметров. По карточке модели, говорит на 30 языках без указания языка, выдаёт звук 48 кГц, создаёт новый голос по текстовому описанию (пол, возраст, тон, темп) и клонирует голос по короткой записи; если добавить расшифровку записи, голос продолжается точнее. Есть потоковая выдача и дообучение (полное или LoRA, от 5–10 минут аудио). Авторы пишут, что обучение шло на более чем 2 миллионах часов речи — мы это не проверяли. В карточке указано около 8 ГБ видеопамяти; по словам авторов, скорость — около 0,3 от реального времени на RTX 4090 и около 0,13 с Nano-vLLM. Веса лежат на Hugging Face в открытом доступе, без подтверждения условий, выпущены в апреле 2026 года под лицензией Apache-2.0, она разрешает коммерческое использование. У авторов есть официальная демонстрация (Space на Hugging Face) и демо-страница с примерами звука; код и документация лежат на GitHub. Клонировать голос можно только с согласия говорящего. Дата проверки: 19.10.2026.
Плюсы и минусы
Плюсы
- 30 языков и звук 48 кГц — по карточке модели
- Голос по текстовому описанию или по короткой записи
- Потоковая выдача и дообучение (полное или LoRA)
- Лицензия Apache-2.0, веса открыты без подтверждения условий
- Около 8 ГБ видеопамяти; есть официальный Space для пробы
Минусы
- Скорость и объём данных обучения — заявления самих авторов
- Нет на публичной арене озвучки, которую мы используем: качество — наша экспертная оценка
- Клонирование голоса реального человека требует его согласия
- Языков меньше, чем у самых многоязычных моделей
Характеристики
- Лицензия
- Apache-2.0
- Коммерческое использование
- Разрешено
- Требования к железу
- Около 8 ГБ видеопамяти — по карточке модели (bfloat16)
- Разработчик
- OpenBMB
- Языки интерфейса
- Английский
- Данные проверены
- 19.10.2026