GitHub 35.4k StarVoxCPM2从零部署完整教程 · 新手照着做就能跑起来 · 效率工具指南 · 原创教程本文介绍 VoxCPM2 语音合成模型在 Windows 环境下的本地部署教程。VoxCPM2 是 OpenBMB 开源的 2B 参数多语言 TTS支持 30 种语言、语音设计、声音克隆Apache-2.0 免费可商用。本地部署相比云端 TTS 具有隐私安全、无限量、离线可用等优势。一、为什么值得用开源软件的优势免费开源可商用Apache-2.0 协议免费使用、可商用、可二次开发多语言支持 30 种语言 中文方言川普、粤语、吴语、东北话等功能全面语音设计、可控克隆、终极克隆、批量生成高音质48kHz 输出效果对标商用 TTS生态活跃GitHub 35k Star社区活跃文档齐全。本地部署的好处对比云端 TTS对比项云端 TTS讯飞/百度/Azure本地 VoxCPM2费用按调用次数/字符收费完全免费、无限量隐私文字/语音需上传云端数据不出本机隐私安全网络必须联网断网不可用装好后可离线使用自由度受平台接口和额度限制可批量、可微调、完全掌控二、核心功能语音设计不用参考音频用文字描述创造全新音色声音克隆几秒参考音频克隆声音读任意文字批量生成一个文本文件批量产出语音30 语言中英日韩直接输入无需标注语言。三、环境要求项目要求Python3.10 ~ 3.123.13 不支持GPU推荐NVIDIA 独显 ≥8GB 显存速度快约千倍CPU可用能跑但慢生成 4 秒音频约 25 分钟磁盘/内存模型约 4.6GB内存建议 16GB四、部署步骤CPU 实测路径步骤 1安装pipinstallvoxcpm步骤 2下载模型国内推荐 ModelScope绕开 HF 大文件下载问题pipinstallmodelscope modelscope download--modelOpenBMB/VoxCPM2--local_dir./VoxCPM2步骤 3生成语音本地模型 CPUvoxcpm design--text你好语音合成测试。--model-path ./VoxCPM2--devicecpu--outputtest.wavGPU 路径有 ≥8GB 独显先重装 CUDA 版 PyTorchpip 默认装 CPU 版pipinstalltorch --index-url https://download.pytorch.org/whl/cu124然后命令去掉--device cpu默认自动用 GPU速度提升约千倍。五、四种使用方式方式一Web 页面新手最推荐gitclone--depth1https://github.com/OpenBMB/VoxCPM.gitcdVoxCPM pipinstallgradio funasr python app.py --model-id C:\Users\用户\VoxCPM2--devicecpu--port8808浏览器打开 http://localhost:8808点选功能、输入文字、点生成、播放下载。方式二CLI 命令# 语音设计voxcpm design--text今天天气真好。--model-path ./VoxCPM2--devicecpu--outputa.wav# 带音色控制voxcpm design--text今天天气真好。--control年轻女声温柔--model-path ./VoxCPM2--devicecpu--outputb.wav# 声音克隆voxcpm clone--text这是克隆的声音。--reference-audio 参考.wav --model-path ./VoxCPM2--devicecpu--outputc.wav# 批量voxcpm batch--inputtexts.txt --output-dir outs --model-path ./VoxCPM2--devicecpu方式三API 调用Web 页面启动后自带 Gradio API可用 gradio_client 调用生产级可起 OpenAI 兼容服务vLLM-Omni需 GPU进阶。方式四Gradio 自建界面app.py 就是官方用 Gradio 构建的参考实现开发者可基于它自定义界面和功能。六、踩坑与解决方案实测⚠️ 坑 1HuggingFace 大文件下载报 401主权重走 HF 的 Xet 大文件存储hf-mirror 镜像不支持。解决改走 ModelScope 下载用--model-path加载本地模型。❗ 坑 2显存不足2GB 显卡VoxCPM2 需约 8GB 显存小显存会 OOM。解决显式--device cpu强制 CPU。⚠️ 坑 3CPU 生成很慢2B 模型在 CPU 上每步约 12 秒生成 4 秒音频约 25 分钟。解决短文本测试--inference-timesteps 4~6提速推荐有独显走 GPU。七、功能验证实测CLI 生成 test.wav4.48s成功Web 页面 localhost:8808 正常打开、可操作模型加载日志正常AudioVAE safetensors Warm up。八、总结VoxCPM2 部署不难pip 一条命令安装模型从 ModelScope 下载国内快再一条命令就能生成语音。免费、开源、本地部署、隐私安全、无限量使用是替代云端 TTS 的优质选择。项目地址[OpenBMB/VoxCPM] (https://github.com/OpenBMB/VoxCPM)标签VoxCPM、TTS、语音合成、开源软件、本地部署、声音克隆、Windows
GitHub 35.4k StarVoxCPM2从零部署完整教程 · 新手照着做就能跑起来 · 效率工具指南 · 原创教程本文介绍 VoxCPM2 语音合成模型在 Windows 环境下的本地部署教程。VoxCPM2 是 OpenBMB 开源的 2B 参数多语言 TTS支持 30 种语言、语音设计、声音克隆Apache-2.0 免费可商用。本地部署相比云端 TTS 具有隐私安全、无限量、离线可用等优势。一、为什么值得用开源软件的优势免费开源可商用Apache-2.0 协议免费使用、可商用、可二次开发多语言支持 30 种语言 中文方言川普、粤语、吴语、东北话等功能全面语音设计、可控克隆、终极克隆、批量生成高音质48kHz 输出效果对标商用 TTS生态活跃GitHub 35k Star社区活跃文档齐全。本地部署的好处对比云端 TTS对比项云端 TTS讯飞/百度/Azure本地 VoxCPM2费用按调用次数/字符收费完全免费、无限量隐私文字/语音需上传云端数据不出本机隐私安全网络必须联网断网不可用装好后可离线使用自由度受平台接口和额度限制可批量、可微调、完全掌控二、核心功能语音设计不用参考音频用文字描述创造全新音色声音克隆几秒参考音频克隆声音读任意文字批量生成一个文本文件批量产出语音30 语言中英日韩直接输入无需标注语言。三、环境要求项目要求Python3.10 ~ 3.123.13 不支持GPU推荐NVIDIA 独显 ≥8GB 显存速度快约千倍CPU可用能跑但慢生成 4 秒音频约 25 分钟磁盘/内存模型约 4.6GB内存建议 16GB四、部署步骤CPU 实测路径步骤 1安装pipinstallvoxcpm步骤 2下载模型国内推荐 ModelScope绕开 HF 大文件下载问题pipinstallmodelscope modelscope download--modelOpenBMB/VoxCPM2--local_dir./VoxCPM2步骤 3生成语音本地模型 CPUvoxcpm design--text你好语音合成测试。--model-path ./VoxCPM2--devicecpu--outputtest.wavGPU 路径有 ≥8GB 独显先重装 CUDA 版 PyTorchpip 默认装 CPU 版pipinstalltorch --index-url https://download.pytorch.org/whl/cu124然后命令去掉--device cpu默认自动用 GPU速度提升约千倍。五、四种使用方式方式一Web 页面新手最推荐gitclone--depth1https://github.com/OpenBMB/VoxCPM.gitcdVoxCPM pipinstallgradio funasr python app.py --model-id C:\Users\用户\VoxCPM2--devicecpu--port8808浏览器打开 http://localhost:8808点选功能、输入文字、点生成、播放下载。方式二CLI 命令# 语音设计voxcpm design--text今天天气真好。--model-path ./VoxCPM2--devicecpu--outputa.wav# 带音色控制voxcpm design--text今天天气真好。--control年轻女声温柔--model-path ./VoxCPM2--devicecpu--outputb.wav# 声音克隆voxcpm clone--text这是克隆的声音。--reference-audio 参考.wav --model-path ./VoxCPM2--devicecpu--outputc.wav# 批量voxcpm batch--inputtexts.txt --output-dir outs --model-path ./VoxCPM2--devicecpu方式三API 调用Web 页面启动后自带 Gradio API可用 gradio_client 调用生产级可起 OpenAI 兼容服务vLLM-Omni需 GPU进阶。方式四Gradio 自建界面app.py 就是官方用 Gradio 构建的参考实现开发者可基于它自定义界面和功能。六、踩坑与解决方案实测⚠️ 坑 1HuggingFace 大文件下载报 401主权重走 HF 的 Xet 大文件存储hf-mirror 镜像不支持。解决改走 ModelScope 下载用--model-path加载本地模型。❗ 坑 2显存不足2GB 显卡VoxCPM2 需约 8GB 显存小显存会 OOM。解决显式--device cpu强制 CPU。⚠️ 坑 3CPU 生成很慢2B 模型在 CPU 上每步约 12 秒生成 4 秒音频约 25 分钟。解决短文本测试--inference-timesteps 4~6提速推荐有独显走 GPU。七、功能验证实测CLI 生成 test.wav4.48s成功Web 页面 localhost:8808 正常打开、可操作模型加载日志正常AudioVAE safetensors Warm up。八、总结VoxCPM2 部署不难pip 一条命令安装模型从 ModelScope 下载国内快再一条命令就能生成语音。免费、开源、本地部署、隐私安全、无限量使用是替代云端 TTS 的优质选择。项目地址[OpenBMB/VoxCPM] (https://github.com/OpenBMB/VoxCPM)标签VoxCPM、TTS、语音合成、开源软件、本地部署、声音克隆、Windows
