音色设计
用自然语言定义性别、年龄、质感、情绪和语速，快速形成可用于品牌、角色或内容栏目的专属声音方向。
面向产品交付的语音生成能力矩阵
可控声音克隆
基于参考音频复现说话人音色，并通过风格指令控制情绪、节奏与表达强度，适配更真实的业务语境。
极致克隆
在有授权素材的前提下保留音色、节奏、情绪和细节表达，适合高一致性的角色语音和内容资产生产。
服务化集成
可围绕业务后台、内容平台或内部工具封装调用链路，让语音生成进入真实的生产、审核和发布流程。
多语言覆盖
覆盖普通话、中文方言和多语种内容，适合跨区域内容生产、出海本地化和多市场运营。
商业评估
围绕样本文案、目标音色、使用规模、权限边界和交付方式，形成更可落地的售前判断。
覆盖全球语言，也保留中文表达的地域质感
面向多语言内容、本地化运营和区域市场表达，支持多语种与中文方言能力，让同一套声音系统服务更广泛的受众。
中文
English
日本語
한국어
Deutsch
Español
Français
ไทย
Tiếng Việt
العربية
Português
Русский
中文方言
四川话、粤语、吴语、东北话、河南话、陕西话、山东话、天津话、闽南话。
Tokenizer-Free 连续语音生成架构
VoxCPM2 工作在 AudioVAE V2 的连续潜空间中，结合 LocEnc、TSLM、RALM、LocDiT 等模块，把文本理解、韵律规划、音色控制和音频还原整合到统一生成链路。
- VoxCPM2：推荐评估版本，2B 参数规模，覆盖 30+ 语言与 48kHz 输出。
- VoxCPM1.5：适合需要稳定复现、微调探索或历史兼容的团队。
- VoxCPM-0.5B：轻量版本，适合早期验证和资源受限的原型评估。
从官方 Demo 到可交付的商业语音方案
把高质量语音能力接入你的业务系统
适合内容创作、客服播报、教育课件、短视频配音、有声读物、游戏角色语音和多语言本地化等场景。