VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Envolva o seu texto em tags SSML para controle preciso:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Etiquetas o modelo selecionado entende — clique para soltar um para o seu texto onde acontece:
Este modelo lê texto simples, por isso as etiquetas inline são ignoradas. Para emoção baseada em tags, mude para um modelo expressivo como Orpheus ou Bark.
Definir pronúncias personalizadas (palavra = pronúncia):
Sobre 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.
Melhor para: High-fidelity audio, audiobooks, long-form content with voice consistency
Procurar todos VoxCPM vozesDe uma olhada
- Desenvolvedor
- OpenBMB
- Licença
- Apache 2.0
- Tier
- standard
- Velocidade
- fast
- Clonagem de voz
- Sim
- Línguas
- English, Chinese
- Número máximo de caracteres
- 2000