多语言与方言声音克隆
支持 30 种语言及 9 大中文方言的跨语言合成，仅需 5–60 秒参考音频，即可生成高度相似的专属音色。
Voxcpm2 在线版：
一站式声音克隆与文字转语音平台
专业的 AI 声音生成平台，支持多种音色与场景，轻松将文字转化为自然、富有表现力的语音。
Voxcpm2 是什么？
Voxcpm2 是由面壁智能（OpenBMB）联合清华大学人机语音交互实验室研发的开源 AI 声音克隆与文字转语音（TTS）平台，2026 年 4 月正式发布。基于 20 亿参数（2B）大模型与 Tokenizer-Free 连续空间生成架构，Voxcpm2 原生输出 48kHz 影视级高保真音频，在保留呼吸声、唇齿音与情绪起伏方面表现优异。
无需下载任何声音克隆软件，您只需在浏览器中上传短音频，即可快速创建个人专属数字语音模型；亦可通过文字描述直接“捏”出全新音色。无论是品牌配音、短视频旁白、粤语短剧、方言内容创作，还是课程音频批量生成，Voxcpm2 都能在在线环境中高效完成。
核心功能
Voice Design 音色设计
无需上传参考音频，通过文字描述即可生成全新音色，适合虚拟角色、游戏 NPC 和品牌 IP 声音构建。
可控克隆与极致克隆
通过文字指令微调情绪、语速、停顿，也能在短音频条件下实现 1:1 细节还原。
极速语音模型构建
上传音频样本后，系统将在 30 秒内自动分析音高、音色、语速与口音特征，完成个人语音模型构建。
浏览器即开即用
完全基于浏览器运行，支持 Windows、macOS、Linux、iPad、Android 平板、iOS 与 Android 手机。
隐私级加密保护
语音模型仅对您的账户可见，不与其他用户共享，支持随时永久删除克隆声音及所有关联数据。
48kHz 影视级输出
Tokenizer-Free 架构保留口音特征、自然语调、呼吸停顿、音色质感与年龄特征。
同一编辑器完成工作流
创建声音克隆后，可直接在同一编辑器中完成文字转语音、切换语言方言与导出音频。
两步完成声音克隆
第一步
上传或录制语音样本
- 支持格式：MP3、WAV、M4A
- 推荐时长：5–60 秒（推荐 20s）
- 最大文件：单文件 ≤ 50MB
录音技巧：
安静环境下以正常语速自然说话，混合陈述句、疑问句和感叹句。
避免背景音乐与环境噪底，必要时使用“AI 降噪”预处理。
第二步
输入文本，用您的声音朗读
- 选择您的克隆声音
- 输入或粘贴任意文本（支持粤语汉字或粤拼）
- 选择目标语言/方言（可直接选择“粤语”）
- 点击转换，即刻生成语音
应用场景
谁需要声音克隆与文字转语音？
Voxcpm2 的 AI 声音克隆与文字转语音技术已广泛应用于内容创作、教育、企业服务和无障碍领域，帮助用户以极低成本实现高质量语音产出。
有声书与播客制作
批量产出音频内容，保留稳定声线与自然节奏。
短视频与自媒体配音
适配抖音、B 站、YouTube 等平台的旁白和口播。
在线教育与知识付费
用您的声音规模化授课，减少重复录音。
企业品牌与商业应用
建立一致的品牌声音，降低多语种配音成本。
个人与无障碍场景
保存声音，传递情感，为沟通和陪伴提供更多可能。
为什么选择 Voxcpm2？
多语言 + 多方言全覆盖
30 种语言 + 粤语等 9 大中文方言，支持跨语言音色迁移，打通双语内容瓶颈。
Voice Design 创新体验
无需录音，文字描述即可生成全新音色，显著提升创意效率。
48kHz 高保真音质
Tokenizer-Free 架构保留声音细节，短内容听感接近真人。
常见问题
AI 声音克隆（Voice Cloning）是通过深度学习技术分析一段简短录音，创建说话者数字语音模型的技术。
该模型捕捉音色、音高、节奏与口音特征，创建完成后可朗读任意文本，听起来如同原始说话者本人。Voxcpm2 的语音克隆支持跨语言合成，一个模型可用于全部支持语言。
用户评价
科技区 UP 主（B 站知识区）
Voxcpm2 声音克隆每周省下 10 小时录音，音色还原度极高，粉丝分辨不出 AI 与真人原声，更新效率大幅提升。
跨境电商运营总监
依托 AI 语音合成实现 5 国语言配音，全市场共用统一品牌声线，强化品牌辨识度，大幅降低多语种配音外包成本。
独立有声书制作人
文字转语音搭配声音克隆可批量产出有声内容，保留个人声线特色，彻底优化内容制作流程。
线上职教讲师
克隆授课原声生成课程音频，适配讲课语气节奏，减少重复录制，保护嗓子，录课产能翻倍。
MCN 内容主管
批量搭建达人专属声模，短视频口播、旁白一键生成，不用现场收音，热点内容产出速度显著加快。
智能家居研发工程师
高精度克隆定制品牌人声，可切换多种播报风格，适配导航、家电提示音，省去反复外包配音的麻烦。