面壁智能 VoxCPM 1.5 语音生成 AI 模型开源：高采样音频克隆，生成效率翻倍

IT之家 12 月 10 日消息，面壁智能今日官宣，VoxCPM 1.5 版本正式上线，在持续优化开发者开发体验的同时，也带来了多项核心能力升级。

VoxCPM 是一个 0.5B 参数尺寸的语音生成基座模型，于今年 9 月首次发布。

图片

IT之家附 VoxCPM 1.5 更新亮点：

• 高采样音频克隆：AudioVAE 采样率从 16kHz 提升至 44.1kHz，模型可根据高质量音频，克隆效果更佳、细节更丰富的声音；

• 生成效率翻倍：在模型参数有所增加的前提下，VoxCPM 1.5 仅需 6.25 个 token 即可生成 1 秒音频，较此前版本提高一倍，在保持速度的同时提升了音频生成质量；

• 开发者友好：新增 LoRA 和全量微调脚本，支持深度定制；

• 增强稳定性：减少音频伪影，优化长文本音频的生成效果。

目前，VoxCPM 1.5 模型已在 Github、Hugging Face 开源。

图片

• Huggingface：https://huggingface.co/openbmb/VoxCPM1.5

• Github：https://github.com/OpenBMB/VoxCPM