OmniVoice 与 VoxCPM2 对比:该选哪个开源文字转语音模型?

OmniVoice 覆盖 600 多种语言,但权重仅限非商业使用;VoxCPM2 覆盖 30 种语言,采用 Apache 2.0。对比语言、声音设计和许可证。

  • 更新于

结论. 先看许可证,再看语言。VoxCPM2 是 2B 模型,采用 Apache 2.0,可以用在产品里。它覆盖 30 种语言,支持 48 kHz 输出、根据文字描述设计声音和克隆,大约 8 GB 显存就能运行。OmniVoice 更小,只有 0.6B,覆盖 600 多种语言,但它的权重是 CC BY-NC,尽管代码是 Apache 2.0,也只能用于研究和个人项目。OmniVoice 的声音设计只用中文和英文训练,两家开发者都禁止冒充和欺诈。

规格

规格 OmniVoiceVoxCPM2
开发方XiaomiOpenBMB
发布时间2026年4月1日2026年4月
总参数量613M (OmniVoice)2.29B (VoxCPM2)
激活参数量全部全部
架构扩散扩散
上下文窗口––
输入文本, 音频文本, 音频
许可证 CC BY-NC (非商用) Apache 2.0 (宽松)
最小版本所需内存(4 位)3.75 GB (OmniVoice)8 GB (VoxCPM2)

性能数据来自开发方,未经独立验证。

选 OmniVoice 的情况

  • 你需要 VoxCPM2 那 30 种语言之外的语言,OmniVoice 列出了 600 多种。
  • 你的用途是研究或个人项目,所以 CC BY-NC 许可证没有问题。
  • 你想用一个 0.6B 的小模型在单张 GPU 上快速批量生成。
  • 你需要其他模型没有覆盖的低资源语言,并且能接受不够稳定的结果。

选 VoxCPM2 的情况

  • 你在做产品,因为 Apache 2.0 允许商用。
  • 你想根据文字描述生成新的声音,不需要参考音频。
  • 你需要 48 kHz 输出或中文方言。
  • 你想在 Apache 2.0 许可证下,用几分钟的音频克隆声音或做微调。

OmniVoice · VoxCPM2