VoxCPM2 应该下载到本地，还是在线试用？

想先听 VoxCPM2 的效果，可以从浏览器开始。需要控制本地文件或自行集成，可以自己运行模型。VoxCPM.net 是独立在线服务，并非 OpenBMB 官方项目网站。

我应该从哪里开始？

• 听已有录音。 打开 OpenBMB 的 VoxCPM2 样音集。
• 在线生成自己的短文本。 打开文字转语音工具，以当时显示的额度和登录提示为准。
• 自己运行模型。 如果能够维护 Python、PyTorch 环境，可以使用下面的示例。

本站的两段真实生成样音和播放、下载步骤，见文字转语音音频教程。

到哪里下载代码和权重？

上游 GitHub 仓库提供实现、安装说明和示例。下载源码 ZIP 不等于下载了模型权重。

上游 Hugging Face 文件列表包括 model.safetensors、audiovae.pth、配置和分词器文件。应下载完整模型快照，而不是只取一个权重文件。Python 的 VoxCPM.from_pretrained("openbmb/VoxCPM2") 会在首次加载时下载快照，之后使用本地缓存，也可以接收已下载完整快照的目录。这些行为可在上游加载器源码中核对。

请使用准确的模型 ID openbmb/VoxCPM2。VoxCPM1.5 和 VoxCPM-0.5B 是其他版本。

怎么用 Python 生成 WAV？

上游快速开始建议使用 Python 3.10–3.12、PyTorch 2.5 或以上，CUDA 环境要求 CUDA 12 或以上。先安装适合自己显卡和驱动的 PyTorch 构建。模型卡列出约 8 GB 显存，这是估计值，不保证所有 8 GB 显卡、所有输入都能运行。

在已激活的虚拟环境中，安装本文核对过的版本。

python -m pip install 'voxcpm==2.0.3'

将下面内容保存为 synthesize.py，执行 python synthesize.py。首次加载需要联网下载权重。

import soundfile as sf
from voxcpm import VoxCPM

model = VoxCPM.from_pretrained("openbmb/VoxCPM2", load_denoiser=False)
wav = model.generate(
    text="你好，这是一段 VoxCPM2 语音演示。",
    cfg_value=2.0,
    inference_timesteps=10,
)
sf.write("output.wav", wav, model.tts_model.sample_rate)

这是模型卡基础 TTS 示例的等效写法，不需要参考录音。保存时保留 model.tts_model.sample_rate。VoxCPM2 输出为 48 kHz，不要套用旧版 VoxCPM 示例的 16 kHz 设置。

如果复制的代码提示不接受 seed 参数，使用 2.0.3 时请删除它。当前 GitHub README 包含这个参数，但已发布的 2.0.3 包不接受。

生成后检查文件。

python -c 'import soundfile as sf; i = sf.info("output.wav"); print(i); assert i.format == "WAV" and i.frames > 0 and i.samplerate == 48000'

然后完整试听。WAV 可读取、采样率正确，并不意味着每个字都读对了。

使用 Python API 需要本站账号吗？

不需要。这里的 Python API 指安装的 voxcpm 库中的函数，在你的环境中推理，无需 VoxCPM.net 账号或 API Key。本站账号用于本站工具，不代表获得了托管开发者 API 的使用权限。

截至 2026 年 11 月 15 日，本文核对了上游说明和安装包函数签名，未实际运行本地推理或测试硬件性能。