오픈 소스 텍스트 음성 변환(TTS)이 이렇게 논란이 많은 수준에 도달했나요?

캠퍼스 사기용 새로운 무기인가요?

칭화대 오픈BMB가 20억 개 파라미터, 200만 시간 분량의 다국어 데이터로 훈련된, 48kHz 스튜디오 품질 음성과 함께 전통 TTS를 완전히 압도하는 VoxCPM2를 공개했습니다!

가장 큰 특징: 토크나이저가 필요 없어요!

전통적인 방법은 음성 파일을 생성하기 전에 별도로 토큰으로 분리하는데, 이는 중요한 정보 손실을 초래합니다.

VoxCPM2는 확산 자기회귀를 직접 연속 잠재 공간에서 수행함으로써 음색, 감정, 세부 사항을 훨씬 더 완벽하게 보존합니다.

고급 기능:

30개 언어와 9개 중국어 방언 지원

RTX 4090 실시간 속도 0.13, 거의 지연 없는 스트리밍 출력

자연어 설명을 사용해 참조 음성 없이 처음부터 음성을 생성

음성 클로닝, 감정, 말하기 속도, 말하기 패턴 조정 가능

"우수 클로닝" 모드: 참조 음성 클립 + 텍스트, 심지어 호흡 리듬까지 복제

Apache 2.0 라이선스, 상업적 사용 적합

GitHub에서 10,000개 이상의 별, 지속적으로 트렌드 목록 상위권.

팟캐스트, 오디오북, 게임 성우, 숏비디오 내레이션… 이 오픈 소스 솔루션은 충분히 강력하며, 심지어 더 강력합니다.

GitHub: