VoxCPM1.5— 面壁智能开源的端到端语音合成模型

VoxCPM1.5是什么

voxcpm 1.5 是由面壁智能研发的新一代端到端文本转语音（tts）系统，具备上下文理解能力与高保真声音复刻特性。该模型采用端到端扩散+自回归混合架构，直接从原始文本生成连续语音波形，支持高达 44.1khz 的采样率音频克隆，显著提升音质细腻度与细节还原能力。在推理效率方面实现突破，仅需 6.25 个 token 即可合成 1 秒语音，整体生成速度提升一倍，同时大幅降低异常噪声与失真现象。此外，voxcpm 1.5 提供灵活的定制化支持，兼容 lora 微调与全参数微调方式，便于开发者构建专属语音模型。

标签： git github 工具 短视频 元宇宙