開(kāi)源的多語(yǔ)言語(yǔ)音合成與聲音克隆完整指南)
如何上手 VoxCPM2免費(fèi)開(kāi)源的多語(yǔ)言語(yǔ)音合成與聲音克隆完整指南【免費(fèi)下載鏈接】VoxCPMVoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/VoxCPMVoxCPM2 是 OpenBMB 開(kāi)源的多語(yǔ)言語(yǔ)音合成與聲音克隆系統(tǒng)2B 參數(shù)支持 30 種語(yǔ)言和 9 種中文方言直接輸出 48kHz 音頻NVIDIA RTX 4090 上實(shí)時(shí)率RTF最低約 0.13代碼與權(quán)重均為 Apache-2.0 協(xié)議可免費(fèi)商用。這篇指南面向第一次接觸 TTS 的讀者先帶你在十分鐘內(nèi)合成第一段聲音再把四個(gè)合成能力逐個(gè)講清用法和適用場(chǎng)景然后是原理速覽、可核查的評(píng)測(cè)數(shù)據(jù)、從演示到生產(chǎn)的部署路線以及三個(gè)常見(jiàn)坑的排查方法。十分鐘裝好環(huán)境合成第一段聲音環(huán)境要求Python 3.10 以上低于 3.13、PyTorch 2.5.0 以上、CUDA 12.0 以上2B 模型推理約需 8GB 顯存。pip install voxcpmfrom voxcpm import VoxCPM import soundfile as sf model VoxCPM.from_pretrained(openbmb/VoxCPM2, load_denoiserFalse) wav model.generate(text你好這是 VoxCPM2 合成的第一段語(yǔ)音。, cfg_value2.0, inference_timesteps10) sf.write(demo.wav, wav, model.tts_model.sample_rate)第一次運(yùn)行會(huì)自動(dòng)下載模型權(quán)重國(guó)內(nèi)網(wǎng)絡(luò)可先pip install modelscope用snapshot_download把 OpenBMB/VoxCPM2 拉到本地再把本地路徑傳給from_pretrained。不想寫(xiě)代碼的話直接python app.py --port 8808啟動(dòng)倉(cāng)庫(kù)自帶的 Web 界面瀏覽器打開(kāi) localhost:8808 即可試聽(tīng)。基礎(chǔ)合成文本直接出 48kHz 音頻一句話定義輸入任意受支持語(yǔ)言的文本直接得到 48kHz 音頻不用打語(yǔ)言標(biāo)簽。上面那段代碼就是完整用法。cfg_value控制風(fēng)格強(qiáng)度官方示例用 2.0inference_timesteps控制擴(kuò)散步數(shù)長(zhǎng)文本可用generate_streaming逐塊輸出、邊生成邊播。適合誰(shuí)有聲書(shū)、播客、多語(yǔ)言視頻配音等常規(guī)批量?jī)?nèi)容生產(chǎn)。音色設(shè)計(jì)用一句話描述捏一個(gè)新聲音一句話定義不需要任何參考音頻僅憑自然語(yǔ)言描述性別、年齡、語(yǔ)氣、情緒、語(yǔ)速創(chuàng)建一個(gè)全新音色。用法把描述用括號(hào)放在 text 開(kāi)頭例如(年輕女性溫柔甜美聲音)歡迎使用 VoxCPM2。其余參數(shù)與基礎(chǔ)合成相同。注意這類(lèi)生成有采樣隨機(jī)性同一段文本多次運(yùn)行結(jié)果會(huì)不同官方建議生成 1~3 次挑一個(gè)滿意的固定seed可以復(fù)現(xiàn)某一次結(jié)果。適合誰(shuí)品牌 IP 音色、短視頻旁白或手里根本沒(méi)有參考音頻的場(chǎng)景?？煽芈曇艨寺”Ａ粢羯桓娘L(fēng)格一句話定義從一段短參考音頻克隆音色同時(shí)可以疊加風(fēng)格指令調(diào)整語(yǔ)速、情緒和表現(xiàn)力音色本身不變。用法給generate()傳reference_wav_path指向參考音頻需要風(fēng)格控制時(shí)把指令同樣以括號(hào)形式放在 text 開(kāi)頭例如(稍快語(yǔ)速歡快語(yǔ)氣)這是經(jīng)過(guò)風(fēng)格控制的克隆語(yǔ)音。。倉(cāng)庫(kù)里examples/reference_speaker.wav可以直接當(dāng)參考音頻試。適合誰(shuí)同一角色跨集數(shù)、跨場(chǎng)景的連續(xù)配音要求音色統(tǒng)一但每句情緒不同。極致克隆讓參考音頻接著續(xù)寫(xiě)一句話定義提供參考音頻和它的逐字轉(zhuǎn)錄文本模型從參考音頻結(jié)尾無(wú)縫續(xù)寫(xiě)連韻律、節(jié)奏、情緒細(xì)節(jié)一并還原。用法generate()同時(shí)傳prompt_wav_path參考音頻和prompt_text該音頻的轉(zhuǎn)錄文本官方示例會(huì)把同一段音頻再傳給reference_wav_path以獲得更高相似度。適合誰(shuí)整段內(nèi)容必須一個(gè)人一聲音說(shuō)到底、對(duì)還原度要求最高的場(chǎng)景。原理速覽沒(méi)有分詞器的四段式流水線VoxCPM2 走的是無(wú)分詞器tokenizer-free擴(kuò)散自回歸路線不把音頻量化成離散 token而是全程在 AudioVAE V2 的連續(xù)潛空間里生成語(yǔ)音表征。流水線分四段LocEnc 提取音頻局部特征TSLM基于 MiniCPM-4 的語(yǔ)言模型基座處理文本語(yǔ)義RALM 結(jié)合 FSQ 與 LocDiT 生成連續(xù)聲學(xué)潛在表征最后由 AudioVAE V2 的非對(duì)稱編解碼器輸出音頻——參考音頻可以只有 16kHz輸出直接解碼到 48kHz內(nèi)置超分不用外掛升采樣模型。模型在超過(guò) 200 萬(wàn)小時(shí)的多語(yǔ)種數(shù)據(jù)上訓(xùn)練這也是它 30 種語(yǔ)言免標(biāo)簽輸入的基礎(chǔ)?？陀^數(shù)據(jù)評(píng)測(cè)里它處在什么位置Seed-TTS-eval 是公開(kāi)零樣本 TTS 基準(zhǔn)WER/CER 為錯(cuò)誤率越低越好SIM 為說(shuō)話人相似度越高越好模型參數(shù)英文 WER(%)↓英文 SIM(%)↑中文 CER(%)↓中文 SIM(%)↑VoxCPM22B1.8475.30.9779.5Qwen3-TTS1.7B1.2371.71.2277.0FishAudio S24B0.99—0.54—CosyVoice3未開(kāi)源1.5B2.2272.01.1278.1多語(yǔ)言可懂度方面項(xiàng)目?jī)?nèi)部用 30 語(yǔ)言×500 樣本做了 ASR 回測(cè)VoxCPM2 平均錯(cuò)誤率 1.68%對(duì)緬甸語(yǔ)、高棉語(yǔ)、老撾語(yǔ)這類(lèi)低資源語(yǔ)言對(duì)比的閉源方案錯(cuò)誤率在 75%~87%VoxCPM2 都在 2% 左右。速度上RTX 4090 原生 PyTorch 推理 RTF 約 0.3Nano-vLLM 加速后約 0.13端側(cè) GGUFQ8_0在 Apple M4 Pro / Metal 上 RTF 約 1.76也能跑實(shí)時(shí)。從演示到生產(chǎn)部署路線怎么選單機(jī)開(kāi)發(fā)、小批量直接用 pip 裝的voxcpmRTF 約 0.3generate_streaming支持流式。高并發(fā)服務(wù)Nano-vLLMpip install nano-vllm-voxcpm支持批量并發(fā)請(qǐng)求和異步 APIRTX 4090 上 RTF 約 0.13。多租戶生產(chǎn)vLLM-Omni提供 OpenAI 兼容的/v1/audio/speech端點(diǎn)現(xiàn)有 OpenAI 客戶端代碼基本可以平移接入。無(wú) GPU 或邊緣設(shè)備llama.cpp-omni 提供 GGUF 權(quán)重支持 CPU / Metal / CUDA / Vulkan。微調(diào)5~10 分鐘音頻定制專屬音色訓(xùn)練集是一個(gè) jsonl 文件每行一個(gè) JSON包含音頻路徑audio和文本text可選duration、dataset_id格式見(jiàn) examples/train_data_example.jsonl。LoRA 微調(diào)用倉(cāng)庫(kù)里的 conf/voxcpm_v2/voxcpm_finetune_lora.yaml運(yùn)行scripts/train_voxcpm_finetune.py并傳入--config_path官方口徑是 5~10 分鐘音頻即可適配一個(gè)說(shuō)話人或領(lǐng)域。也提供lora_ft_webui.py的 Web 形式訓(xùn)練與推理。適合誰(shuí)不適合誰(shuí)適合多語(yǔ)言內(nèi)容生產(chǎn)、聲音克隆與 IP 音色需求、需要自托管并商用的團(tuán)隊(duì)Apache-2.0、希望用 OpenAI 兼容接口集成的開(kāi)發(fā)者。不適合無(wú) GPU 且要求實(shí)時(shí)VoxCPM2 推理需約 8GB 顯存端側(cè) Q8_0 可用但更慢、要求每次輸出絕對(duì)一致的場(chǎng)景音色設(shè)計(jì)類(lèi)生成有隨機(jī)性、目標(biāo)語(yǔ)言不在 30 種支持列表內(nèi)的場(chǎng)景可先實(shí)測(cè)或用自己的數(shù)據(jù)微調(diào)。常見(jiàn)坑現(xiàn)象、原因、解決辦法現(xiàn)象報(bào) CUDA out of memory。原因2B 模型推理本身約需 8GB 顯存加載降噪器或長(zhǎng)文本會(huì)進(jìn)一步占用。解決辦法加載時(shí)加load_denoiserFalse或換 VoxCPM1.5約 6GB、VoxCPM-0.5B約 5GB再不行就換大顯存機(jī)器。現(xiàn)象同一段文本每次生成音色、風(fēng)格不一樣。原因音色設(shè)計(jì)與可控克隆基于采樣生成官方明確說(shuō)明結(jié)果會(huì)波動(dòng)。解決辦法固定seed復(fù)現(xiàn)滿意結(jié)果追求選優(yōu)時(shí)就生成 1~3 次挑最好的。現(xiàn)象某些語(yǔ)言輸出含糊、有雜音。原因參考音頻質(zhì)量差或推理步數(shù)不足個(gè)別低資源語(yǔ)言本身錯(cuò)誤率偏高。解決辦法先確認(rèn)參考音頻干凈無(wú)截?cái)喟裪nference_timesteps從 10 提到 20 再聽(tīng)仍不達(dá)標(biāo)時(shí)用自有數(shù)據(jù) LoRA 微調(diào)。資源索引模型核心實(shí)現(xiàn)src/voxcpm/model/voxcpm2.py完整邏輯可對(duì)照 src/voxcpm/model/voxcpm2.py。微調(diào)配置conf/voxcpm_v2/下分 LoRA 與全量?jī)商?yaml訓(xùn)練腳本在scripts/train_voxcpm_finetune.py。社區(qū)生態(tài)非官方維護(hù)Nano-vLLM、vLLM-Omni、llama.cpp-omni、VoxCPM.cppGGML/GGUF、VoxCPM-ONNX、ComfyUI 節(jié)點(diǎn)工作流、TTS 瀏覽器擴(kuò)展。行動(dòng)清單執(zhí)行pip install voxcpm用文首代碼各合成一段中文和英文確認(rèn)音質(zhì)達(dá)標(biāo)。運(yùn)行python app.py --port 8808在 Web 界面里各試一次音色設(shè)計(jì)和可控克隆記下滿意的參數(shù)組合。錄 5~10 分鐘目標(biāo)音色樣本按 examples 里的 jsonl 格式準(zhǔn)備訓(xùn)練集跑一輪 LoRA 微調(diào)。上生產(chǎn)前用 Nano-vLLM 在目標(biāo) GPU 上實(shí)測(cè) RTF按實(shí)測(cè)值規(guī)劃并發(fā)數(shù)和顯存?！久赓M(fèi)下載鏈接】VoxCPMVoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/VoxCPM創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 如何上手 VoxCPM2：免費(fèi)開(kāi)源的多語(yǔ)言語(yǔ)音合成與聲音克隆完整指南
如何上手 VoxCPM2免費(fèi)開(kāi)源的多語(yǔ)言語(yǔ)音合成與聲音克隆完整指南【免費(fèi)下載鏈接】VoxCPMVoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/VoxCPMVoxCPM2 是 OpenBMB 開(kāi)源的多語(yǔ)言語(yǔ)音合成與聲音克隆系統(tǒng)2B 參數(shù)支持 30 種語(yǔ)言和 9 種中文方言直接輸出 48kHz 音頻NVIDIA RTX 4090 上實(shí)時(shí)率RTF最低約 0.13代碼與權(quán)重均為 Apache-2.0 協(xié)議可免費(fèi)商用。這篇指南面向第一次接觸 TTS 的讀者先帶你在十分鐘內(nèi)合成第一段聲音再把四個(gè)合成能力逐個(gè)講清用法和適用場(chǎng)景然后是原理速覽、可核查的評(píng)測(cè)數(shù)據(jù)、從演示到生產(chǎn)的部署路線以及三個(gè)常見(jiàn)坑的排查方法。十分鐘裝好環(huán)境合成第一段聲音環(huán)境要求Python 3.10 以上低于 3.13、PyTorch 2.5.0 以上、CUDA 12.0 以上2B 模型推理約需 8GB 顯存。pip install voxcpmfrom voxcpm import VoxCPM import soundfile as sf model VoxCPM.from_pretrained(openbmb/VoxCPM2, load_denoiserFalse) wav model.generate(text你好這是 VoxCPM2 合成的第一段語(yǔ)音。, cfg_value2.0, inference_timesteps10) sf.write(demo.wav, wav, model.tts_model.sample_rate)第一次運(yùn)行會(huì)自動(dòng)下載模型權(quán)重國(guó)內(nèi)網(wǎng)絡(luò)可先pip install modelscope用snapshot_download把 OpenBMB/VoxCPM2 拉到本地再把本地路徑傳給from_pretrained。不想寫(xiě)代碼的話直接python app.py --port 8808啟動(dòng)倉(cāng)庫(kù)自帶的 Web 界面瀏覽器打開(kāi) localhost:8808 即可試聽(tīng)。基礎(chǔ)合成文本直接出 48kHz 音頻一句話定義輸入任意受支持語(yǔ)言的文本直接得到 48kHz 音頻不用打語(yǔ)言標(biāo)簽。上面那段代碼就是完整用法。cfg_value控制風(fēng)格強(qiáng)度官方示例用 2.0inference_timesteps控制擴(kuò)散步數(shù)長(zhǎng)文本可用generate_streaming逐塊輸出、邊生成邊播。適合誰(shuí)有聲書(shū)、播客、多語(yǔ)言視頻配音等常規(guī)批量?jī)?nèi)容生產(chǎn)。音色設(shè)計(jì)用一句話描述捏一個(gè)新聲音一句話定義不需要任何參考音頻僅憑自然語(yǔ)言描述性別、年齡、語(yǔ)氣、情緒、語(yǔ)速創(chuàng)建一個(gè)全新音色。用法把描述用括號(hào)放在 text 開(kāi)頭例如(年輕女性溫柔甜美聲音)歡迎使用 VoxCPM2。其余參數(shù)與基礎(chǔ)合成相同。注意這類(lèi)生成有采樣隨機(jī)性同一段文本多次運(yùn)行結(jié)果會(huì)不同官方建議生成 1~3 次挑一個(gè)滿意的固定seed可以復(fù)現(xiàn)某一次結(jié)果。適合誰(shuí)品牌 IP 音色、短視頻旁白或手里根本沒(méi)有參考音頻的場(chǎng)景?？煽芈曇艨寺”Ａ粢羯桓娘L(fēng)格一句話定義從一段短參考音頻克隆音色同時(shí)可以疊加風(fēng)格指令調(diào)整語(yǔ)速、情緒和表現(xiàn)力音色本身不變。用法給generate()傳reference_wav_path指向參考音頻需要風(fēng)格控制時(shí)把指令同樣以括號(hào)形式放在 text 開(kāi)頭例如(稍快語(yǔ)速歡快語(yǔ)氣)這是經(jīng)過(guò)風(fēng)格控制的克隆語(yǔ)音。。倉(cāng)庫(kù)里examples/reference_speaker.wav可以直接當(dāng)參考音頻試。適合誰(shuí)同一角色跨集數(shù)、跨場(chǎng)景的連續(xù)配音要求音色統(tǒng)一但每句情緒不同。極致克隆讓參考音頻接著續(xù)寫(xiě)一句話定義提供參考音頻和它的逐字轉(zhuǎn)錄文本模型從參考音頻結(jié)尾無(wú)縫續(xù)寫(xiě)連韻律、節(jié)奏、情緒細(xì)節(jié)一并還原。用法generate()同時(shí)傳prompt_wav_path參考音頻和prompt_text該音頻的轉(zhuǎn)錄文本官方示例會(huì)把同一段音頻再傳給reference_wav_path以獲得更高相似度。適合誰(shuí)整段內(nèi)容必須一個(gè)人一聲音說(shuō)到底、對(duì)還原度要求最高的場(chǎng)景。原理速覽沒(méi)有分詞器的四段式流水線VoxCPM2 走的是無(wú)分詞器tokenizer-free擴(kuò)散自回歸路線不把音頻量化成離散 token而是全程在 AudioVAE V2 的連續(xù)潛空間里生成語(yǔ)音表征。流水線分四段LocEnc 提取音頻局部特征TSLM基于 MiniCPM-4 的語(yǔ)言模型基座處理文本語(yǔ)義RALM 結(jié)合 FSQ 與 LocDiT 生成連續(xù)聲學(xué)潛在表征最后由 AudioVAE V2 的非對(duì)稱編解碼器輸出音頻——參考音頻可以只有 16kHz輸出直接解碼到 48kHz內(nèi)置超分不用外掛升采樣模型。模型在超過(guò) 200 萬(wàn)小時(shí)的多語(yǔ)種數(shù)據(jù)上訓(xùn)練這也是它 30 種語(yǔ)言免標(biāo)簽輸入的基礎(chǔ)?？陀^數(shù)據(jù)評(píng)測(cè)里它處在什么位置Seed-TTS-eval 是公開(kāi)零樣本 TTS 基準(zhǔn)WER/CER 為錯(cuò)誤率越低越好SIM 為說(shuō)話人相似度越高越好模型參數(shù)英文 WER(%)↓英文 SIM(%)↑中文 CER(%)↓中文 SIM(%)↑VoxCPM22B1.8475.30.9779.5Qwen3-TTS1.7B1.2371.71.2277.0FishAudio S24B0.99—0.54—CosyVoice3未開(kāi)源1.5B2.2272.01.1278.1多語(yǔ)言可懂度方面項(xiàng)目?jī)?nèi)部用 30 語(yǔ)言×500 樣本做了 ASR 回測(cè)VoxCPM2 平均錯(cuò)誤率 1.68%對(duì)緬甸語(yǔ)、高棉語(yǔ)、老撾語(yǔ)這類(lèi)低資源語(yǔ)言對(duì)比的閉源方案錯(cuò)誤率在 75%~87%VoxCPM2 都在 2% 左右。速度上RTX 4090 原生 PyTorch 推理 RTF 約 0.3Nano-vLLM 加速后約 0.13端側(cè) GGUFQ8_0在 Apple M4 Pro / Metal 上 RTF 約 1.76也能跑實(shí)時(shí)。從演示到生產(chǎn)部署路線怎么選單機(jī)開(kāi)發(fā)、小批量直接用 pip 裝的voxcpmRTF 約 0.3generate_streaming支持流式。高并發(fā)服務(wù)Nano-vLLMpip install nano-vllm-voxcpm支持批量并發(fā)請(qǐng)求和異步 APIRTX 4090 上 RTF 約 0.13。多租戶生產(chǎn)vLLM-Omni提供 OpenAI 兼容的/v1/audio/speech端點(diǎn)現(xiàn)有 OpenAI 客戶端代碼基本可以平移接入。無(wú) GPU 或邊緣設(shè)備llama.cpp-omni 提供 GGUF 權(quán)重支持 CPU / Metal / CUDA / Vulkan。微調(diào)5~10 分鐘音頻定制專屬音色訓(xùn)練集是一個(gè) jsonl 文件每行一個(gè) JSON包含音頻路徑audio和文本text可選duration、dataset_id格式見(jiàn) examples/train_data_example.jsonl。LoRA 微調(diào)用倉(cāng)庫(kù)里的 conf/voxcpm_v2/voxcpm_finetune_lora.yaml運(yùn)行scripts/train_voxcpm_finetune.py并傳入--config_path官方口徑是 5~10 分鐘音頻即可適配一個(gè)說(shuō)話人或領(lǐng)域。也提供lora_ft_webui.py的 Web 形式訓(xùn)練與推理。適合誰(shuí)不適合誰(shuí)適合多語(yǔ)言內(nèi)容生產(chǎn)、聲音克隆與 IP 音色需求、需要自托管并商用的團(tuán)隊(duì)Apache-2.0、希望用 OpenAI 兼容接口集成的開(kāi)發(fā)者。不適合無(wú) GPU 且要求實(shí)時(shí)VoxCPM2 推理需約 8GB 顯存端側(cè) Q8_0 可用但更慢、要求每次輸出絕對(duì)一致的場(chǎng)景音色設(shè)計(jì)類(lèi)生成有隨機(jī)性、目標(biāo)語(yǔ)言不在 30 種支持列表內(nèi)的場(chǎng)景可先實(shí)測(cè)或用自己的數(shù)據(jù)微調(diào)。常見(jiàn)坑現(xiàn)象、原因、解決辦法現(xiàn)象報(bào) CUDA out of memory。原因2B 模型推理本身約需 8GB 顯存加載降噪器或長(zhǎng)文本會(huì)進(jìn)一步占用。解決辦法加載時(shí)加load_denoiserFalse或換 VoxCPM1.5約 6GB、VoxCPM-0.5B約 5GB再不行就換大顯存機(jī)器。現(xiàn)象同一段文本每次生成音色、風(fēng)格不一樣。原因音色設(shè)計(jì)與可控克隆基于采樣生成官方明確說(shuō)明結(jié)果會(huì)波動(dòng)。解決辦法固定seed復(fù)現(xiàn)滿意結(jié)果追求選優(yōu)時(shí)就生成 1~3 次挑最好的。現(xiàn)象某些語(yǔ)言輸出含糊、有雜音。原因參考音頻質(zhì)量差或推理步數(shù)不足個(gè)別低資源語(yǔ)言本身錯(cuò)誤率偏高。解決辦法先確認(rèn)參考音頻干凈無(wú)截?cái)喟裪nference_timesteps從 10 提到 20 再聽(tīng)仍不達(dá)標(biāo)時(shí)用自有數(shù)據(jù) LoRA 微調(diào)。資源索引模型核心實(shí)現(xiàn)src/voxcpm/model/voxcpm2.py完整邏輯可對(duì)照 src/voxcpm/model/voxcpm2.py。微調(diào)配置conf/voxcpm_v2/下分 LoRA 與全量?jī)商?yaml訓(xùn)練腳本在scripts/train_voxcpm_finetune.py。社區(qū)生態(tài)非官方維護(hù)Nano-vLLM、vLLM-Omni、llama.cpp-omni、VoxCPM.cppGGML/GGUF、VoxCPM-ONNX、ComfyUI 節(jié)點(diǎn)工作流、TTS 瀏覽器擴(kuò)展。行動(dòng)清單執(zhí)行pip install voxcpm用文首代碼各合成一段中文和英文確認(rèn)音質(zhì)達(dá)標(biāo)。運(yùn)行python app.py --port 8808在 Web 界面里各試一次音色設(shè)計(jì)和可控克隆記下滿意的參數(shù)組合。錄 5~10 分鐘目標(biāo)音色樣本按 examples 里的 jsonl 格式準(zhǔn)備訓(xùn)練集跑一輪 LoRA 微調(diào)。上生產(chǎn)前用 Nano-vLLM 在目標(biāo) GPU 上實(shí)測(cè) RTF按實(shí)測(cè)值規(guī)劃并發(fā)數(shù)和顯存?！久赓M(fèi)下載鏈接】VoxCPMVoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/VoxCPM創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考