开源TTS已经卷到这个程度了？
园区诈骗又有新武器了？
清华 OpenBMB 放出 VoxCPM2 —— 20亿参数，
用200万小时多语言数据训练，48kHz录音棚级音质，直接把传统TTS打爆！
最大杀手锏：不用Tokenizer！
传统方法先把音频切成离散token再生成，信息损失大。
VoxCPM2直接在连续潜空间做扩散自回归，音色、情感、细节保留完整得多。
硬核指标拉满：
支持30种语言 + 9种中文方言
RTX 4090 实时率0.13，流式输出几乎无延迟
用自然语言描述就能凭空生成声音（无需参考音频）
声音克隆可调情绪、语速、口癖
「终极克隆」模式：
一段参考音频+文本，连呼吸节奏都能复刻
Apache 2.0协议，商用友好
GitHub已破万星，连续霸榜Trending。
播客、有声书、游戏配音、短视频旁白……
开源方案已经完全够用，甚至更强。
GitHub：github.com/OpenBMB/VoxCPMhttps://x.com/i/status/2050262221226463573