12月10日，面壁智能宣布VoxCPM 1.5版本正式发布。此次更新在持续优化开发者使用体验的基础上，实现了多项核心性能的提升。
VoxCPM是一款参数规模为0.5B的语音生成基础模型，最早于今年9月推出。本次发布的1.5版本在音频质量、生成效率和开发灵活性方面均有显著改进。
主要更新包括：音频克隆能力得到增强，AudioVAE的采样率由16kHz提升至44.1kHz，能够基于高质量音频样本生成更加逼真、细节更丰富的语音；生成效率实现翻倍，在模型参数略有增加的情况下，仅需6.25个token即可生成1秒音频，相较前代在速度不变的前提下进一步提升了音质；对开发者支持更为完善，新增LoRA及全量微调脚本，便于用户进行深度定制化训练；同时加强了生成稳定性，有效减少音频伪影，改善了长文本语音合成的表现。
目前，VoxCPM 1.5版本已在Github与Hugging Face平台开放开源，供社区使用与协作。
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
