VoxCPM

VoxCPM TTS

A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.

תחתמי. עבור 5,000 מגבלה של תווים

לעטוף את הטקסט שלך בתגי SSML לשליטה מדויקת:

<speak><prosody rate="slow">Slow speech</prosody></speak>

שם התוויות של המודל הנבחר הוא □ לחץ כדי להפיל אחד לתוך הטקסט שלך שבו הוא קורה:

המודל הזה קורא טקסט רגיל, כך שמתעלמים מתגי ההצפנה של רגש מבוסס תג, עבור מודל אקספרסיבי כמו אורפיאוס או ברק.

הגדר הגייה מותאמת אישית (מילה = הגייה):

-12 +12
0.5x 2.0x
חינם עם פייפר, VITS, Melotts
הקול שנוצר יופיע כאן. בחר דגם, הזן טקסט, ולחץ על יצירתו.
הקול נוצר בהצלחה
0:00
הורד שמע הורדה. srt הלינק פג ב-24 שעות.
שורה חופשית: שימוש אישי. רישיון מסחרי מ-5/מו.
אוהב את ט.ט.ס.אי?

אודות VoxCPM

VoxCPM 1.5 by OpenBMB takes an unusual approach: instead of converting speech into discrete tokens, it operates directly in continuous space, which helps it preserve fine acoustic detail. It produces high-fidelity 44.1kHz audio, supports zero-shot voice cloning from three to ten seconds of reference, and maintains a consistent voice across long passages — a common failure point for other models on multi-paragraph text. Its cross-language cloning lets an English reference voice speak Chinese and vice versa. With Apache 2.0 licensing and LoRA fine-tuning support, it is well suited to audiobooks and long-form content where voice consistency over many paragraphs is essential.

הטוב ביותר עבור: High-fidelity audio, audiobooks, long-form content with voice consistency

עיין בכל VoxCPM קולות

במבט חטוף

מפתח
OpenBMB
רישיון
Apache 2.0
Tier
standard
מהירות
fast
שיבוט קולי
כן.
שפות
English, Chinese
תווים מרביים
2000

VoxCPM קולות

Default

English
רגיל Neutral

Default Chinese

Chinese
רגיל Neutral

VoxCPM TTS □ FAQ

Rather than discretizing speech into tokens, VoxCPM models audio in continuous space using flow matching. This helps it retain subtle acoustic detail and produce clean 44.1kHz output.

Yes. It is specifically designed to keep the voice consistent across paragraphs, which makes it well suited to audiobooks and other long passages where other models tend to drift.

Yes. It supports cross-lingual cloning between English and Chinese — for example applying an English reference voice to Chinese speech — from three to ten seconds of audio.
← כל הקולות