VoxCPM2 和 VoxCPM1.5 有什么区别？VoxCPM 三代版本对照（2026）
VoxCPM2 和 VoxCPM1.5 最大的区别有三个：VoxCPM2 支持 30 种语言（1.5 只有中英文）；采样率从 44.1kHz 提到 48kHz；新增了声音设计和可控克隆。代价是模型更大（2B）、显存要求更高（约 8GB，1.5 约 6GB），在 RTX 4090 上的实时率也从约 0.15 变成约 0.30（数据均来自 OpenBMB/VoxCPM 官方仓库）。
只做中英文、显存紧张，VoxCPM1.5 仍然够用；要多语种、要用文字设计声音、追求高保真，选 VoxCPM2。
VoxCPM 三代版本对照
VoxCPM 是 OpenBMB（面壁智能等发起的开源社区）开源的语音合成模型，目前有三代。下表数据全部来自 OpenBMB/VoxCPM 官方仓库：
| 对比项 | VoxCPM-0.5B | VoxCPM1.5 | VoxCPM2 |
|---|---|---|---|
| 开源时间 | 2025 年 9 月 | 2025 年 12 月 | 2026 年 4 月 |
| 状态 | 旧版 | 稳定版 | 最新版 |
| 主干参数 | 0.5B | 0.6B（性能一节写作 0.8B） | 2B |
| 采样率 | 16kHz | 44.1kHz | 48kHz |
| 支持语言 | 2 种（中、英） | 2 种（中、英） | 30 种 |
| 克隆模式 | 续写 | 续写 | 独立参考 + 续写 |
| 声音设计 | 不支持 | 不支持 | 支持 |
| 可控克隆 | 不支持 | 不支持 | 支持 |
| 实时率（RTX 4090） | 约 0.17 | 约 0.15 | 约 0.30 |
| 实时率（Nano-vLLM 加速） | 约 0.10 | 约 0.08 | 约 0.13 |
| 显存 | 约 5GB | 约 6GB | 约 8GB |
说明：官方仓库对 VoxCPM1.5 的参数量有两种写法（版本表写 0.6B，性能一节写 0.8B），以官方后续更新为准。
VoxCPM2 新增了什么？
30 种语言：前两代只有中英文，VoxCPM2 扩展到 30 种语言，能做多语种配音。
48kHz 高保真：采样率越高，声音细节越多。48kHz 是专业音视频常用的规格，适合有声书、广播剧这类对音质要求高的内容。
声音设计：不用录音，用文字描述就能生成一个新声音。
可控克隆：在保留参考音频音色的同时，可以加风格指引调整说话方式。原来的「极致克隆」（参考音频加逐字文本）也保留了。
更多训练数据：官方说明 VoxCPM2 用了超过 200 万小时的多语种语音数据训练。
升级要付出什么？
VoxCPM2 更大、更慢、更吃显存：参数从 0.6B 到 2B，显存从约 6GB 到约 8GB，RTX 4090 上的实时率从约 0.15 变成约 0.30。用 Nano-vLLM 加速后差距会缩小（约 0.08 对约 0.13）。
0.30 的实时率意味着 1 秒能生成约 3 秒语音，日常配音完全够用；但如果你在一张显存 6GB 的卡上做大批量中文生成，VoxCPM1.5 更划算。
该用哪一代？
| 你的情况 | 建议 |
|---|---|
| 只做中英文，显卡显存 6GB 左右 | VoxCPM1.5 |
| 要多语种配音 | VoxCPM2 |
| 要用文字设计声音 | VoxCPM2 |
| 有声书、广播剧，追求音质 | VoxCPM2 |
| 没有显卡，想马上用 | 网页版 |
不想部署，怎么用 VoxCPM2？
本站是基于 VoxCPM2 搭建的第三方在线版，在其上增加了情绪、停顿和声音设计等编辑能力，浏览器打开就能用，注册即送 150,000 字符。克隆教程见《VoxCPM2 音色克隆教程》，长文本配音见《小说推文配音用什么软件》，也可以直接打开 VoxCPM2 在线版声音克隆。
常见问题
- VoxCPM2 比 VoxCPM1.5 好在哪？
- 据官方仓库，VoxCPM2 支持 30 种语言（1.5 只支持中英文），采样率 48kHz（1.5 为 44.1kHz），并新增声音设计和可控克隆，训练数据超过 200 万小时。
- VoxCPM2 需要多大显存？
- 官方仓库给出的参考值约 8GB；VoxCPM1.5 约 6GB，VoxCPM-0.5B 约 5GB。
- VoxCPM2 是不是比 1.5 慢？
- 是。官方在 RTX 4090 上测得 VoxCPM2 实时率约 0.30，VoxCPM1.5 约 0.15；用 Nano-vLLM 加速后分别约 0.13 和 0.08。实时率越低越快，0.30 也就是 1 秒能生成约 3 秒语音。
- VoxCPM 能商用吗？
- 官方仓库写明代码和权重采用 Apache-2.0 协议，可以免费商用。克隆声音时只能用本人或已获授权的声音。
- 在线版用的是哪一代？
- 本站是基于 VoxCPM2 搭建的第三方在线版，并在其上增加了情绪、停顿和声音设计等编辑能力。
