VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Apvynioti savo tekstą BSML žymės tiksliam valdymui:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Žymos pasirinktas modelis supranta — spustelėkite, kad įmestų vieną į tekstą, kur tai atsitinka:
Šis modelis skaito paprastą tekstą, todėl į eilę orientuotos žymės yra ignoruojamos. Dėl įsagų pagrindu išreikštos emocijos pereikite prie tokio išraiškingo modelio kaip Orpheus arba Bark.
Apibrėžti užsakymą tarimas (žodžio = tarimas):
Apie 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.
Geriausia: High-fidelity audio, audiobooks, long-form content with voice consistency
Naršyti viską VoxCPM balsaiIš pirmo žvilgsnio
- Programuotojas
- OpenBMB
- Licencija
- Apache 2.0
- Pakopa
- standard
- Greitis
- fast
- Balso klonavimas
- Taip
- Kalbos
- English, Chinese
- Daugiausia simbolių
- 2000