OpenBMBオープンソース音声合成モデルVoxCPM2

OpenBMBのオープンソース2Bパラメータ音声合成モデルであるVoxCPM2は、セグメンテーション不要の拡散自己回帰アーキテクチャを採用し、30言語と中国語の方言をサポートし、48kHzのスタジオ品質の音声を出力します。このモデルは、テキストによる説明に基づいてユーザーがゼロから音声を作成できる音声デザイン機能を先駆的に搭載しており、制御可能な音声クローニングと究極のクローニングモードもサポートしています。このモデルは236万時間分のデータで学習されており、0.13という低リアルタイムレートを実現しています。また、Apache-2.0ライセンスの下で商用利用可能です。