← Усі відкриті проєкти · Голос і озвучення
VoxCPM
VoxCPM — відкрита модель озвучення й клонування голосу: огляд
Відкрита модель синтезу мовлення (2 млрд параметрів): озвучує текст на 30 мовах, створює голос за описом і клонує його зі зразка.
Чи варто це вам
Підійде, якщо
- ви розробник чи дослідник і працюєте з однією з 30 підтримуваних мов;
- у вас є відеокарта NVIDIA з CUDA 12 або новішою;
- хочете озвучувати тексти у себе без передачі стороннім сервісам.
Краще не братися, якщо
- вам потрібне озвучення українською: офіційно мову не підтримано, а в таблиці самого проєкту вона дає помилку 6,3% проти 1,0% у ElevenLabs;
- у вас немає відеокарти NVIDIA: запустити складно;
- ви збираєтесь клонувати чужий голос без згоди власника.
Плюси й мінуси
Плюси
- Відкрита ліцензія Apache-2.0, ваги моделі доступні на Hugging Face.
- Створення голосу за текстовим описом і клонування зі зразка; вихід 48 кГц.
- Є вебдемо, командний рядок і Python API; є онлайн-демо без встановлення.
- Підтримує 30 мов, зокрема польську, російську й турецьку.
Мінуси й обмеження
- Української немає в офіційному списку підтримуваних мов — для україномовного озвучення не покладайтеся на модель без власної перевірки.
- За README потрібні NVIDIA CUDA 12 або новіша, PyTorch 2.5+ і Python від 3.10 до 3.12: на комп’ютері без відеокарти NVIDIA запустити складно.
- Клонування чужого голосу без згоди — юридичний і етичний ризик; використовуйте лише власний голос або з дозволу власника.
Що це
VoxCPM2 — відкрита модель перетворення тексту на мовлення від команди OpenBMB. За README проєкту: 2 млрд параметрів, навчена на понад 2 мільйонах годин багатомовного мовлення, підтримує 30 мов, створення голосу за описом (Voice Design), керовану клонуючу озвучку та звук 48 кГц.
Чи підтримує українську
Ні, офіційно не підтримує. Української немає у списку з 30 мов (є, наприклад, польська, російська, турецька, іспанська). У порівняльній таблиці самого проєкту для української VoxCPM2 показує помилку розпізнавання 6,3% проти 1,0% у ElevenLabs і 1,1% у Minimax — результат помітно гірший. Для озвучення українською краще перевіряти спеціалізовані або комерційні сервіси.
Кому підійде
- Розробникам і дослідникам, які працюють з однією з підтримуваних мов.
- Тим, хто хоче розгортати озвучення у себе без передачі текстів стороннім сервісам.
Що потрібно для запуску
За README: Python від 3.10 до 3.12, PyTorch 2.5 або новіший і відеокарта NVIDIA з CUDA 12 або новішою. Встановлення — pip install voxcpm; для вебдемо у README є команда python app.py --port 8808. Для промислового запуску проєкт пропонує Nano-vLLM і vLLM-Omni (сервер із сумісним з OpenAI API), для пристроїв — варіант на llama.cpp.
Ми цей запуск не відтворювали: на нашій машині немає відеокарти NVIDIA. Спробувати модель без встановлення можна в онлайн-демо на Hugging Face (посилання вгорі сторінки).
Що врахувати
- Клонування голосу — лише з дозволу власника голосу.
- Перед комерційним використанням окремо перегляньте ліцензію вагів моделі на Hugging Face: вона може відрізнятись від ліцензії коду.
Часті запитання
Чи підтримує VoxCPM українську?
Ні, української немає у списку з 30 мов, які заявлено у README проєкту.
Що потрібно для запуску?
За README: Python від 3.10 до 3.12, PyTorch 2.5 або новіший і відеокарта NVIDIA з CUDA 12 чи новішою.
Чи можна спробувати без встановлення?
Так, проєкт дає онлайн-демо на Hugging Face (посилання на початку сторінки).
Чи можна клонувати голос?
Технічно так, але лише з дозволу власника голосу; чужий голос без згоди — юридичний та етичний ризик.