VoxCPM
Système de synthèse vocale sans tokenizer générant un audio multilingue à 48kHz, conception de voix et clonage de voix.
Générez un signal vocal haute fidélité à 48kHz dans 30 langues grâce à la conception de voix zero-shot et au clonage zero-shot.
VoxCPM est un système de synthèse vocale open source conçu pour transformer du texte écrit en audio multilingue naturel. Vous pouvez générer des voix personnalisées à partir de descriptions textuelles ou cloner des voix existantes à partir de courts échantillons audio. Il convient aux équipes d'ingénierie qui développent des alertes vocales de sécurité, des systèmes de briefing de chantier automatisés ou des narrations de formation.
Qu'est-ce que c'est
VoxCPM génère des représentations vocales continues directement via une architecture d'autorégressivité par diffusion, sans tokenisation discrète. Il produit un audio de qualité studio à 48kHz dans 30 langues, prend en charge la création de voix à partir de descriptions en langage naturel et exécute le clonage de voix guidé par prompt.
Pour qui
Vous devriez utiliser VoxCPM si vous avez besoin d'une génération vocale auto-hébergée et hors ligne pour des alertes de chantier, des diffusions de sécurité pour les ouvriers ou des vidéos de formation multilingues. Il ne convient pas si vous manquez d'infrastructure GPU ou si vous avez besoin d'une application de bureau clé en main et non technique.
Fonctionnalités clés
Génération audio sans tokenizer
Génère de la parole en continu directement à l'aide d'une architecture d'autorégressivité par diffusion de bout en bout.
Conception de voix en langage naturel
Crée des voix personnalisées basées uniquement sur des descriptions textuelles spécifiant l'âge, le ton, l'émotion et le rythme.
Sortie audio haute résolution
Produit un audio de studio natif à 48kHz sans nécessiter de suréchantillonneurs externes séparés.
Moteur de déploiement flexible
S'exécute sur des serveurs vLLM-Omni compatibles OpenAI ou des moteurs edge C++ via llama.cpp-omni.
Opérationnel en 3 étapes
Notre verdict honnête
Ses atouts
- Produit un audio natif à 48kHz directement à partir de clips de référence à 16kHz sans outils de suréchantillonnage supplémentaires.
- Prend en charge 30 langues principales ainsi que de nombreux dialectes régionaux.
- Fournit des options de déploiement edge en C++ avec des quantifications GGUF pour le matériel local.
- Offre une création vocale complète à partir de prompts textuels simples sans fichiers audio de référence.
Ses limites
- Requiert du matériel GPU NVIDIA haut de gamme ou une compilation C++ locale spécialisée pour obtenir une faible latence.
- Nécessite le téléchargement manuel de fichiers de poids BaseLM et Acoustic de plusieurs gigaoctets.
- Exige une expertise technique avec les API CLI, Python ou les déploiements vLLM plutôt que d'offrir une interface graphique.
Tarifs & licence
VoxCPM est gratuit à télécharger et à utiliser sous licence Apache-2.0. Vos seules dépenses proviennent de l'hébergement, de l'exécution matérielle et de l'infrastructure de serveur GPU.
Missions pour francophones
870 missions ouvertes à distance en entraînement d’IA, mises à jour le 14 novembre 2026 ; la plupart paient $20–$170 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Alternatives
Utilisez-le, ou laissez-nous l'installer
FAQ
Puis-je exécuter VoxCPM localement sans connexion Internet ?
Oui, vous pouvez charger les poids de modèle téléchargés dans des scripts Python locaux ou les exécuter hors ligne via llama.cpp-omni sur CPU ou GPU.
VoxCPM nécessite-t-il des fichiers de transcription pour cloner une voix ?
Le clonage contrôlable standard ne nécessite qu'un clip audio de référence, bien que la fourniture d'une transcription permette une correspondance complète des détails.
