最近 AI 配音领域出现了一个新项目 VoxCPM。它不是普通的 TTS 工具，而是直接生成连续语音表征，让声音更自然、更有情绪，适合真实感语音合成。

VoxCPM 是什么？

VoxCPM 是一个主打 tokenizer-free 技术的开源 AI 配音项目。它的定位不是简单的“文字转语音”，而是“按场景生成有表现力的声音”，可以作为配音、播报、语音助手、内容工具等产品的底层能力。最新版本 VoxCPM 2 全面采用 tokenizer-free 技术。

技术路线

传统 TTS 在合成前需要先把音频离散成语音 token，这个过程容易产生声音割裂感。VoxCPM 的思路则完全不同：

• 传统 TTS：需要先将音频离散成语音 token，容易产生声音割裂感。
• VoxCPM：跳过离散化步骤，直接生成连续语音表征，声音变化更顺滑。

核心价值：从“文字转语音”升级到“按场景生成有表现力的声音”。适用于配音、播报、语音助手、内容工具等场景，可作为底层能力嵌入。

三个推荐点

适用人群

• AI 配音工具开发者：可以搭建开源的声音生成能力，做自己的配音产品、声音工作台或批量旁白生成。
• 语音助手 / 智能客服 / 数字人团队：需要可控、可部署、可迭代的 TTS 底层能力，声音更自然且能匹配业务场景。
• 内容创作者：短视频、课程、有声读物、播客旁白都能用上音色设计和声音克隆功能，稳定产出口播并保留不同栏目的人设感。
• 开发者 / 独立产品团队：给应用加 TTS、多语言配音、本地化语音，或做可控声音原型，可以先跑通开源方案再决定如何接入产品。

为什么值得收藏

• 开源且商用友好：代码和权重都是 Apache-2.0 协议，后续接产品更方便。
• 高质量音频：VoxCPM 2 输出 48kHz 高质量音频，成品音质更适合产品原型、内容工具和真实播报场景。
• 多语种 + 声音克隆：一套能力覆盖配音、本地化、语音助手和数字人声音。

横向对比：相比商业 API，VoxCPM 更开放（Apache 2.0 协议）、成本更低、声音更自然；相比传统 TTS，它支持自然语言音色设计和可控声音克隆；相比其他开源方案，情绪表达更真实、商用更友好。