最近看到OpenBMB开源的VoxCPM，GitHub已经3.3万+Star，这…

最近看到OpenBMB开源的VoxCPM，GitHub已经3.3万+Star，这个语音合成模型确实很能打。 它比较特别的地方是：不依赖传统离散Token，而是直接在连续语音空间里生成声音。这个技术路线让它在音质和自然度上都有不错的表现。 几个实用功能： 第一，文字描述就能生成音色。不用提前准备参考音频，直接用文字描述你想要的声音特征，模型就能生成对应的音色。这个功能对于快速原型开发特别有用。 第二，约3秒音频即可克隆声音。只需要很短的参考音频，就能克隆出目标声音，还能保留语气、节奏等特征。这个功能在数字人、有声内容制作等场景下很有价值。 第三，支持多语言和跨语言合成。一个声音可以直接说不同语言，不需要为每种语言单独训练模型。这个功能对于做多语言内容的团队来说特别实用。 第四，官方提供了较低显存门槛的推理方案。不需要高端GPU就能跑，个人开发者也能用。还能接入ComfyUI等工作流，集成到现有的内容制作流程中。 项目地址：github.com/OpenBMB/VoxCPM 如果你在做AI配音、数字人、有声内容，或者单纯想折腾语音模型，这个项目值得收藏。特别是它的跨语言合成能力，在目前的开源语音模型中算是比较领先的。 而且OpenBMB团队在语音领域的技术积累一直不错，之前的模型表现也很好。这次VoxCPM的开源，对于整个语音合成社区来说都是一个好消息。 对于关注语音技术发展的朋友来说，这个项目值得关注。随着AI语音合成技术的不断成熟，未来在内容创作、人机交互等领域的应用会越来越广泛。