VoxCPM2：清华OpenBMB开源TTS，连续潜空间扩散自回归

Type: article
Author: 对镜AI
Primary Topic: AI工具
Ingested: 2026-05-03

Summary

清华OpenBMB发布VoxCPM2，一款拥有20亿参数的开源TTS模型，使用200万小时多语言数据训练，支持30种语言及9种中文方言。其核心创新在于放弃离散Tokenizer，直接在连续潜空间进行扩散自回归，从而完整保留音色、情感和细节，实现48kHz录音棚级音质。该模型可在RTX 4090上实时运行，适用于教育课件制作等本地化场景，但也需关注音色克隆的合规使用问题。

Key Concepts

连续潜空间扩散自回归
TTS语音合成
去Tokenizer架构
多语言支持
中文方言识别
48kHz高保真音质
开源模型

Entities

清华OpenBMB
VoxCPM2
CosyVoice 2
F5-TTS
Fish Speech
阿里
Fish Audio
ElevenLabs

Source

Raw: voxcpm2-tsinghua-openbmb-tts-continuous-latent-diffusion.md

Relations

(none)