VoxCPM

VoxCPM 음성 인식

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

가입하기 5,000자 한도

정확한 제어를 위해 SSML 태그로 텍스트를 래핑하십시오.

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

선택한 모델이 이해하는 태그 — 텍스트에 드래그하려면 클릭하세요:

이 모델은 일반 텍스트를 읽기 때문에 인라인 태그는 무시됩니다. 태그 기반 감정을 위해서는 Orpheus 또는 Bark과 같은 표현 모델로 전환하십시오.

사용자 지정 발음 정의 (단어 = 발음):

-12 +12
0.5x 2.0x
파이퍼, VITS, MeloTTS와 무료
생성된 오디오가 여기에 나타납니다. 모델을 선택하고 텍스트를 입력한 다음 생성 을 클릭합니다.
오디오가 성공적으로 생성되었습니다
0:00
오디오 다운로드 .srt 파일 다운로드 링크는 24시간 이내에 만료됩니다.
무료 계층: 개인용. 상업용 라이센스 최저 $5/mo
이것을 당신의 목소리로 만들어라 30초만에 목소리 복제
TTS.ai가 마음에 드시나요? 친구들에게 알려주세요!

정보 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.

최적화된 용도: High-fidelity audio, audiobooks, long-form content with voice consistency

모두 찾아보기 VoxCPM 목소리

한눈에

개발자
OpenBMB
라이선스
Apache 2.0
standard
속도
fast
음성 복제
언어
English, Chinese
최대 문자수
2000

VoxCPM 목소리

Default

English
표준 Neutral

Default Chinese

Chinese
표준 Neutral

VoxCPM TTS — 자주 묻는 질문

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.
← 모든 음성