เผยแพร่รายงานทางเทคนิค VoxCPM2
หัวข้อต้นฉบับ:🚀 VoxCPM2 Technical Report is now available on arXiv! VoxCPM2 is the latest speech generation mode...
สรุปโดย AI
ModelBest OpenBMB เผยแพร่รายงานทางเทคนิค VoxCPM2 โมเดลนี้เป็นโมเดลสร้างเสียงรุ่นล่าสุด มีพารามิเตอร์ 2B ฝึกอบรมจากข้อมูลเสียงหลายภาษากว่า 2 ล้านชั่วโมง รองรับ 30 ภาษาและภาษาถิ่นจีน 9 ภาษา มีความสามารถในการออกแบบเสียงด้วยภาษาธรรมชาติ การโคลนเสียงแบบควบคุมได้และมีความเที่ยงตรงสูง รายงานทางเทคนิคครอบคลุมการออกแบบสถาปัตยกรรม สูตรลำดับแบบรวม การสร้างเสียงความเที่ยงตรงสูงด้วย AudioVAE การฝึกอบรมและการประเมินขนาดใหญ่ รวมถึงผลลัพธ์基準 TTS แบบ zero-shot และการทำตามคำสั่ง ใช้การเข้ารหัสความหมาย 16kHz + การสร้างรูปคลื่น 48kHz บรรลุ SOTA หรือมีความสามารถแข่งขันสูงบน基準 TTS สาธารณะ น้ำหนักโมเดล โค้ดปรับแต่ง และเครื่องมืออนุมานเปิดโอเพนซอร์สภายใต้ Apache 2.0
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- X:面壁智能 OpenBMB (@OpenBMB)
- หมวดหมู่
- เปิดตัวโมเดล
- คะแนน AI
- 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。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: เผยแพร่รายงานทางเทคนิค VoxCPM2 8 มิถุนายน 2026 https://new.nat6.net/th/news/cmq5bpym306fbslt2cnfcangy/