VoxCPM 本地部署配置

VoxCPM 2 本地部署完整指南，基于官方文档。

环境要求

CPU 推理可用（Apple Silicon MPS 也支持），但速度慢约 1–2 字/秒。

安装步骤

1. 创建 Python 环境

conda create -n voxcpm python=3.10
conda activate voxcpm

2. 安装 PyTorch（CUDA 12.1）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

3. 安装 VoxCPM

pip install voxcpm

4. 验证安装

python -c "from voxcpm import VoxCPM; print('VoxCPM is ready')"

5. Hugging Face 镜像配置（国内访问）

export HF_ENDPOINT=https://hf-mirror.com

首次运行会自动从 Hugging Face 下载模型权重。

快速运行

纯文本转语音

from voxcpm import VoxCPM

model = VoxCPM(device="cuda")  # device="cpu" 用于 CPU 推理

model.generate(
    text="你好，欢迎使用 VoxCPM 语音合成系统。",
    output_path="demo.wav"
)

音色设计（无需参考音频）

model.generate(
    text="（音色：温柔的女性，语速较慢，带着轻微的笑意）今天天气真不错呀！",
    output_path="voice_design.wav"
)

声音克隆（少量秒参考音频）

model.generate(
    text="这是要合成的文本内容。",
    prompt_audio="reference.wav",
    output_path="cloned.wav"
)

声音克隆 + 风格控制

model.generate(
    text="（活泼开朗，语速稍快）项目进展顺利！",
    prompt_audio="reference.wav",
    output_path="styled_clone.wav"
)

Web Demo（网页界面）

git clone https://github.com/OpenBMB/VoxCPM
cd VoxCPM
pip install -e .
python app.py

首次使用会额外下载 ASR 模型（SenseVoice-Small）。

显存估算

硬件配置参考

官方资源

• 文档: https://voxcpm.readthedocs.io/zh-cn/latest/
• GitHub: https://github.com/OpenBMB/VoxCPM
• HuggingFace: https://huggingface.co/openbmb/VoxCPM2
• ModelScope: https://modelscope.cn/models/OpenBMB/VoxCPM2

关联

• VoxCPM — 实体页（VoxCPM 项目详情）
• openbmb — 开发组织
• llm-integration — LLM 集成相关