Voicebox

VoxCPM2 是由清华大学和 OpenBMB 联合开源的无 Tokenizer 语音合成模型。不同于传统 TTS 模型先将文本转为 token 再生成语音的流程，VoxCPM2 直接从字符映射到音频波形，消除了 Tokenizer 环节带来的信息损失。2B 参数规模，支持 30 种语言、48kHz 录音棚级音质、零样本语音克隆（仅需 3 秒参考音频即可复刻音色）和创意声音设计。GitHub 15K+ stars，是 2026 年最值得关注的开源 TTS 项目之一。与 Voicebox 互补——VoxCPM2 偏重学术创新和无 Tokenizer 架构探索，Voicebox 偏重工程实用和用户体验

🎯开源 TTS 研究、中文语音合成、有声书/播客自动化、语音克隆实验、AI 助手语音输出、多语言内容本地化配音

1 分钟数据训练 TTS，56,826+ stars。强大的少样本语音克隆和文本转语音工具，仅需 1 分钟参考音频即可训练出高质量 TTS 模型，支持多语言和中日英三语合成

🎯语音合成与实时语音交互

日常对话生成语音模型，39,109+ stars。专为对话场景优化的文本转语音模型，生成自然流畅的语音，支持多种声音风格和情感表达

🎯语音合成与实时语音交互

MIT 和 MyShell 联合开发的即时语音克隆模型，支持零样本 TTS。只需几秒音频即可克隆声音，跨语言支持英语、中文、日语等

🎯语音内容创作、个性化助手声音、跨语言语音合成

一次推理生成超真实对话式 TTS 语音的模型，19k+ stars

🎯生成自然的对话式语音输出，适合播客、有声书和 AI 语音助手

端到端语音处理开源工具包，覆盖语音识别、语音合成、说话人分离、语音翻译和歌声合成等全场景能力

🎯语音识别、TTS 合成、语音翻译等端到端语音应用的研发与部署