VoxCPM2 音色克隆教程：在线免费体验，极致克隆是什么（2026）
VoxCPM2 音色克隆在浏览器里三步完成：上传一段 3–10 秒的清晰录音创建声音模型，输入文案，点生成。注册即送 150,000 字符，克隆次数和声音模型数量不限，不需要显卡。
「极致克隆」和「可控克隆」是 VoxCPM2 开源版的两种克隆模式（据 OpenBMB/VoxCPM 官方仓库）：极致克隆要同时提供参考音频和这段音频的逐字文本，追求最大程度还原；可控克隆只要参考音频，还能加风格指引。本站在线版没有单独的「极致克隆」开关，只需上传参考音频即可克隆。
VoxCPM2 音色克隆怎么做？三步完成
在浏览器里克隆音色，三步就够，不需要显卡和安装。
- 创建声音模型：打开「创建声音模型」，上传一段 3–10 秒的清晰录音，起个名字。
- 选模型、输入文案：在声音克隆页选刚才的声音模型，粘贴要生成的文案。
- 生成并下载：点生成，试听满意后下载。
示例：8 秒录音克隆出来的效果
下面是编辑用自己 8 秒左右的录音做的克隆，原样输出、没有后期：
参考音频（本人录音）
克隆生成AI 生成
生成文案「这是用我自己的声音生成的一段配音。参考音频只录了八秒，生成的内容可以是任何文案。」本站在线生成，未剪辑、未降噪。
参考音频怎么选，克隆才像？
| 要求 | 建议 |
|---|---|
| 时长 | 3–10 秒，一两句完整的话 |
| 环境 | 安静，没有背景音乐、回声和别人说话 |
| 距离 | 离手机或麦克风约 20 厘米 |
| 语气 | 用你希望生成结果呈现的语气，参考音频的风格会被带到结果里 |
| 格式 | MP3、WAV、M4A 都可以 |
录音有杂音，先用站内的 AI 降噪处理再上传。
极致克隆是什么？和可控克隆有什么区别？
「极致克隆」和「可控克隆」是 VoxCPM2 开源版的两种克隆模式。以下内容来自 OpenBMB/VoxCPM 官方仓库：
| 对比项 | 极致克隆（Ultimate Cloning） | 可控克隆（Controllable Cloning） |
|---|---|---|
| 需要准备 | 参考音频 + 这段音频的逐字文本 | 参考音频，可选加风格指引 |
| 目标 | 最大程度还原参考音频的音色和说话方式 | 保留音色的同时，可以调整说话风格 |
| 版本 | 和 VoxCPM1.5 的做法相同 | VoxCPM2 新增 |
| 在本站在线版 | 没有单独开关 | 上传参考音频即可克隆 |
本站在线版的情况：在线版不需要你提供参考音频的逐字文本，上传参考音频就能克隆，没有单独的「极致克隆」开关。如果你一定要用极致克隆模式，需要从官方仓库下载 VoxCPM2 在本地部署。
在线版怎么尽量克隆得像：参考音频是关键。选一段语气接近你想要的成品、环境干净的 5–10 秒录音，效果通常比随手录的长录音更好。
常见问题怎么解决？
| 现象 | 可能原因 | 解决办法 |
|---|---|---|
| 克隆出来不像本人 | 参考音频有噪音或多人声 | 换一段干净的 5–10 秒录音，先降噪 |
| 生成的语气和想要的不一样 | 参考音频的语气被带过来了 | 换一段语气接近目标的参考音频 |
| 长文案中间停顿奇怪 | 一次生成太长 | 每段 150–250 字分开生成 |
| 数字读错 | 阿拉伯数字和符号混排 | 改写成汉字 |
总结
VoxCPM2 音色克隆在线三步就能完成；开源版的极致克隆需要参考音频加逐字文本，适合本地部署、追求高还原度的场景。日常配音、小说推文用在线版就够：打开 VoxCPM2 在线版声音克隆，注册即送 150,000 字符。三代版本的差别见《VoxCPM2 和 VoxCPM1.5 有什么区别》。
常见问题
- VoxCPM2 音色克隆免费吗？
- 本站注册即送 150,000 字符，克隆次数和声音模型数量不限。VoxCPM2 模型本身是开源的（Apache-2.0），自己部署不收模型费。
- 在线版有极致克隆吗？
- 没有单独的「极致克隆」选项。在线版只需上传参考音频就能克隆，不需要提供参考音频的逐字文本。想用开源版的极致克隆模式，需要本地部署 VoxCPM2。
- 极致克隆和可控克隆有什么区别？
- 据 VoxCPM 官方仓库：极致克隆需要参考音频加它的逐字文本，追求最大程度还原，做法和 VoxCPM1.5 相同；可控克隆只需参考音频，并可选加风格指引，能在保留音色的同时调整说话风格。可控克隆是 VoxCPM2 新增的能力。
- 参考音频要多长？
- 3–10 秒、一两句完整的话最合适。太短抓不住音色，太长不会更像。
- 可以克隆别人的声音吗？
- 只能克隆本人或已获授权的声音。生成的音频发布时，按《人工智能生成合成内容标识办法》需要标识为 AI 生成。
