VoxCPM2技術レポートを公開
原題:🚀 VoxCPM2 Technical Report is now available on arXiv! VoxCPM2 is the latest speech generation mode...
AI 要約
面壁智能OpenBMBはVoxCPM2技術レポートを公開した。同モデルは最新の音声生成モデルで、2Bパラメータを持ち、200万時間超の多言語音声データでトレーニングされ、30言語と9種類の中国語方言をサポートする。自然言語による音声設計、制御可能かつ高忠実度の継続的音声クローン能力を備える。技術レポートはアーキテクチャ設計、統一シーケンス定式化、AudioVAEによる高忠実度音声再構築、大規模トレーニング評価、ゼロショットおよび指示追従TTSベンチマーク結果を網羅する。16kHzセマンティック符号化+48kHz波形再構築を採用し、公開TTSベンチマークでSOTAまたは極めて競争力のある結果を達成した。モデル重み、微調整コード、推論ツールはApache 2.0でオープンソース化されている。
要点
- 面壁智能OpenBMBはVoxCPM2技術レポートを公開した。
- 同モデルは最新の音声生成モデルで、2Bパラメータを持ち、200万時間超の多言語音声データでトレーニングされ、30言語と9種類の中国語方言をサポートする。
- 自然言語による音声設計、制御可能かつ高忠実度の継続的音声クローン能力を備える。
- 技術レポートはアーキテクチャ設計、統一シーケンス定式化、AudioVAEによる高忠実度音声再構築、大規模トレーニング評価、ゼロショットおよび指示追従TTSベンチマーク結果を網羅する。
- 16kHzセマンティック符号化+48kHz波形再構築を採用し、公開TTSベンチマークでSOTAまたは極めて競争力のある結果を達成した。
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 75
面壁把语音生成压进2B参数,支持30种语言加方言克隆,还附完整技术报告和Apache 2.0开源,做语音产品的可以直接拉代码跑起来了。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:VoxCPM2技術レポートを公開。2026年6月8日。https://new.nat6.net/ja/news/cmq5bpym306fbslt2cnfcangy/