VoxCPM2 模型参数、许可证与获取服务

中文简介

VoxCPM2 是无离散分词器的扩散自回归语音合成模型，支持多语言、自然语言音色设计和参考音频条件生成。卡片说明 2B 参数与 48kHz 音频输出。

UPSTREAM README

上游模型卡 / 数据集卡

简体中文（默认）上游原文

【定位与用途】
VoxCPM2 是无离散分词器的扩散自回归语音合成模型，支持多语言、自然语言音色设计和参考音频条件生成。卡片说明 2B 参数与 48kHz 音频输出。

【如何选择】
适合多语言语音助手、可控语音合成与流式延迟评估，先检查目标语种和采样率处理。

【版本与获取范围】
选型方向：语音与音乐。固定上游版本：32279effe8c19989596f05d353d1447f51d9e915。API 任务字段：text-to-speech。API 语言字段：zh, en, ar, my, da, nl, fi, fr, de, el, he, hi, id, it, ja, km, ko, lo, ms, no, pl, pt, ru, es, sw, sv, tl, th, tr, vi。上游最近更新时间：2026-08-18（不一定为首次发布日期）。规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

【容易混淆的边界】
声音克隆需要声音主体与素材的适当授权；参考音频质量和文本准确性会影响结果，卡片延迟不代表所有硬件表现。

本节是本站基于固定版本卡片编写的中文选型摘要，并非原文逐句翻译。完整操作、评测协议与许可原文请查看上游固定版本链接；模型效果及资源处理需求尚未由本站实测。

基于固定版本上游资料编写的中文选型说明 · 2026-09-20 15:03

本页提供中文选型摘要，请通过上方固定版本链接查看完整上游模型卡或数据集卡。

适用场景

适合多语言语音助手、可控语音合成与流式延迟评估，先检查目标语种和采样率处理。

模型参数

选型方向：语音与音乐。固定上游版本：32279effe8c19989596f05d353d1447f51d9e915。API 任务字段：text-to-speech。API 语言字段：zh, en, ar, my, da, nl, fi, fr, de, el, he, hi, id, it, ja, km, ko, lo, ms, no, pl, pt, ru, es, sw, sv, tl, th, tr, vi。上游最近更新时间：2026-08-18（不一定为首次发布日期）。规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 9 个文件，文件元数据合计 4.62 GB。已保存文件清单中的主要扩展名：.json 4 个、.md 1 个、.pth 1 个、.py 1 个、.safetensors 1 个、无扩展名 1 个。当前较大的文件包括：model.safetensors（4.27 GB）；audiovae.pth（359.49 MB）；tokenizer.json（3.51 MB）。此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

.gitattributes1.48 KB
audiovae.pth359.49 MB
config.json4.23 KB
model.safetensors4.27 GB
README.md7.75 KB
special_tokens_map.json1.59 KB
tokenization_voxcpm2.py2.83 KB
tokenizer.json3.51 MB
tokenizer_config.json4.94 KB

硬件建议

先选定所需权重格式和精度，再核对推理代码、依赖与目标硬件。仓库元数据合计可能包含多个变体、视觉组件或示例，不能用来直接推算运行显存；内存还受上下文、缓存、批量和并发影响，应以小样本实测确定配置。

注意事项

声音克隆需要声音主体与素材的适当授权；参考音频质量和文本准确性会影响结果，卡片延迟不代表所有硬件表现。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。