VoxCPM2在线版 多语言 & 方言声音克隆 — 录一次,全球通用
VoxCPM2 支持 30 种语言 及 9 大中文方言的跨语言合成:
- 仅需 5–60 秒 参考音频,即可生成高度相似的专属音色;
- 原生支持 粤语(广东话),精准还原“九声六调”与地道懒音特征;
- 支持跨语言音色迁移:用普通话样本生成自然粤语语音,反之亦然。
VoxCPM2 是由面壁智能(OpenBMB)联合清华大学人机语音交互实验室研发的开源 AI 声音克隆与文字转语音(TTS)平台,基于 20 亿参数(2B)大模型与 Tokenizer-Free 连续空间生成架构,原生输出 48kHz 影视级高保真音频。










VoxCPM2 是由面壁智能(OpenBMB)联合清华大学人机语音交互实验室研发的开源 AI 声音克隆与文字转语音(TTS)平台。基于 20 亿参数(2B)大模型与 Tokenizer-Free 连续空间生成架构,VoxCPM2 原生输出 48kHz 影视级高保真音频,在保留呼吸声、唇齿音与情绪起伏方面表现优异。
无需下载任何声音克隆软件,您只需在浏览器中上传短音频,即可快速创建个人专属数字语音模型;亦可通过文字描述直接“捏”出全新音色。无论是品牌配音、短视频旁白、粤语短剧、方言内容创作,还是课程音频批量生成,VoxCPM2 都能在在线环境中高效完成。
48kHz 高保真音频,保留呼吸声、唇齿音与情绪细节
从声音克隆到语音合成,覆盖内容创作全链路。
VoxCPM2 支持 30 种语言 及 9 大中文方言的跨语言合成:
VoxCPM2无需上传任何参考音频,即可自定义生成全新音色。这一功能非常适合虚拟角色配音、游戏 NPC、品牌 IP 人设构建等创意场景,也是 VoxCPM2 在开源 TTS 领域的差异化优势。
在VoxCPM2上传音频样本后,系统将在 30s 内自动分析音高、音色、语速与口音特征,完成个人语音模型构建。无需排队、无需人工审核,真正实现即时在线声音克隆。
VoxCPM2 完全基于浏览器运行,支持:
VoxCPM2得益于 Tokenizer-Free 架构,VoxCPM2 避免了传统离散 token 造成的音质损失,48kHz 输出完整保留:
在VoxCPM2创建声音克隆后,无需切换平台或导出语音模型。您的克隆声音将与 VoxCPM2 内置的专业音色并列于同一编辑器中,实现「创建 – 文字转语音 – 导出」一站式工作流,自由切换普通话与粤语等方言输出。

安静环境下以正常语速自然说话,混合陈述句、疑问句和感叹句;
避免背景音乐与环境噪底,必要时使用“AI 降噪”预处理。
谁需要声音克隆与文字转语音?VoxCPM2 的 AI 声音克隆与文字转语音技术已广泛应用于内容创作、教育、企业服务和无障碍领域

批量产出音频内容,保留稳定声线与自然节奏,大幅提升内容制作效率。
内容创作适配抖音、B站、YouTube 等平台的旁白和口播,快速产出高质量配音。
自媒体用您的声音规模化授课,减少重复录音,保护嗓子,录课产能翻倍。
教育建立一致的品牌声音,降低多语种配音成本,强化品牌辨识度。
商业保存声音,传递情感,为沟通和陪伴提供更多可能。
个人为游戏 NPC 和虚拟角色定制专属音色,提升沉浸感与角色辨识度。
娱乐30 种语言 + 粤语等 9 大中文方言,跨语言音色迁移,打通双语内容瓶颈。
无需录音,文字描述即可生成全新音色,激发创意效率。
Tokenizer-Free 架构保留声音细节,短内容听感接近真人。


企业内训的音频化,和个人做短视频配音不是一回事——它的核心矛盾是「课件体量大、术语密集、要长期复用、还要过合规和质检」,而不是「单条效果够不够惊艳」。本文给出一条可落地的路线:先把文稿结构和多音字/停顿标记规范化 → 实测长文本吞吐稳定性与多模型发音表现 → 用字符计费模型测算万字批量成本 → 以 voxcpm 等聚合接口为例跑通批量导出 → 建立时效留存、归档与人工质检闭环。整条链路的目标是把「一门课几十页 PPT + 讲稿」稳定地变成可检索、可复用的音频资产,而不是做一次丢一次的临时配音。文中涉及的计费口径、单次字数上限、音色保存周期更新较快,落地前请以各平台当前官方文档与实测为准。
查看详情>
公司一年要更新上百门培训课件,每门课两三千字,PPT翻一页配一段旁白。 找真人录,预算不够,周期也赶不上季度更新;用AI配音,供应商介绍听得都差不多,真上线怕员工听了打瞌睡。 这篇给培训部门、HR、学习发展负责人一套可直接复用的平台测试方法:怎么统一口径让几家供应商在同一起跑线上比、批量能力怎么分层看、成本怎么按字符量算、API和交付规范怎么对接现有系统。测完你就知道哪家真的能撑住企业级课件生产。
查看详情>
预算有限不代表只能将就效果,关键在于别为用不到的功能付费。本文给出一套五步比较法:先按使用场景筛掉不需要的功能,再用同一段文本横向测效果,然后按真实项目核算成本,把接入效率算进总账,最后用加权评分代替”谁排第一”的简单排名。核心思路是把选型从”看榜单”变成”算自己的账”。文中以 voxcpm、Fish Audio、ElevenLabs 等常见方案为例说明差异,具体额度与计费口径以各平台当前官方说明为准。
查看详情>关于声音克隆的常见疑问,为您解答
AI 声音克隆(Voice Cloning)是通过深度学习技术分析一段简短录音,创建说话者数字语音模型的技术。该模型捕捉音色、音高、节奏与口音特征,创建完成后可朗读任意文本,听起来如同原始说话者本人。VoxCPM2在线版 的 语音克隆 支持跨语言合成,一个模型可用于全部支持语言。
来自内容创作、教育、企业和研发场景的真实反馈
VoxCPM2 声音克隆每周省下 10 小时录音,音色还原度极高,粉丝分辨不出 AI 与真人原声,更新效率大幅提升。
依托 VoxCPM2在线版 语音合成实现 5 国语言配音,全市场共用统一品牌声线,强化品牌辨识度,大幅降低多语种配音外包成本。
VoxCPM2在线版 声音克隆文字转语音搭配声音克隆可批量产出有声内容,保留个人声线特色,彻底优化内容制作流程。
用VoxCPM2在线版克隆授课原声生成课程音频,适配讲课语气节奏,减少重复录制,保护嗓子,录课产能翻倍。
用VoxCPM2在线版批量搭建达人专属声模,短视频口播、旁白一键生成,不用现场收音,热点内容产出速度显著加快。
用VoxCPM2在线版高精度克隆定制品牌人声,可切换多种播报风格,适配导航、家电提示音,省去反复外包配音的麻烦。
VoxCPM2 声音克隆每周省下 10 小时录音,音色还原度极高,粉丝分辨不出 AI 与真人原声,更新效率大幅提升。
依托 VoxCPM2在线版 语音合成实现 5 国语言配音,全市场共用统一品牌声线,强化品牌辨识度,大幅降低多语种配音外包成本。
VoxCPM2在线版 声音克隆文字转语音搭配声音克隆可批量产出有声内容,保留个人声线特色,彻底优化内容制作流程。
用VoxCPM2在线版克隆授课原声生成课程音频,适配讲课语气节奏,减少重复录制,保护嗓子,录课产能翻倍。
用VoxCPM2在线版批量搭建达人专属声模,短视频口播、旁白一键生成,不用现场收音,热点内容产出速度显著加快。
用VoxCPM2在线版高精度克隆定制品牌人声,可切换多种播报风格,适配导航、家电提示音,省去反复外包配音的麻烦。
VoxCPM2 — 领先的 AI 声音克隆 与 文字转语音 平台,让每个人的声音都能无限延伸。
马上体验 VoxCPM2 的 AI 声音克隆与文字转语音功能,用您的声音讲述更多精彩故事。