# VoxCPM2

Éditeur : OpenBMB (Chine). Poids ouverts. Licence : Apache 2.0.

En bref : 5e sur 16 en prononciation du français.

Page : https://quelleia.com/voix/modeles/openbmb-voxcpm2/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de synthèse vocale d'OpenBMB sans tokeniseur audio, à architecture autorégressive par diffusion, qui produit un son en 48 kHz dans 30 langues. Il crée une voix à partir d'une simple description textuelle et clone une voix à partir d'un court extrait, avec un contrôle optionnel du style. (lu sur https://huggingface.co/openbmb/VoxCPM2)

- Sortie : avril 2026 (lu sur la page de l'éditeur, https://github.com/OpenBMB/VoxCPM)
- Taille : 2 milliards de paramètres (lu sur la page de l'éditeur, https://huggingface.co/openbmb/VoxCPM2)

## Langues

- Annoncées par l'éditeur : 30 langues, dont le français (ar, my, zh, da, nl, en, fi, fr, de, el, he, hi, id, it, ja, km, ko, lo, ms, no, pl, pt, ru, es, sw, sv, tl, th, tr, vi).
- Prises en charge selon Open TTS Leaderboard : 30 langues.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 5e sur 16 en prononciation du français (5,46 %).
- Source des langues annoncées : https://huggingface.co/openbmb/VoxCPM2

## Ses classements

- Prononciation du français : 5e sur 16, taux d'erreur par mot 5,46 % ; vitesse : RTFx 2 : produit 2 secondes d'audio par seconde de calcul ; clonage de voix : oui. Source : Open TTS Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_tts_leaderboard (relevé du 19 octobre 2026, version du 9 octobre 2026).

## Modèles proches

- Prononciation du français : [Supertonic 3](https://quelleia.com/voix/modeles/supertonic-3/), 4e (5,44 %), juste devant
- Prononciation du français : [Fun-CosyVoice 3.0](https://quelleia.com/voix/modeles/funaudiollm-fun-cosyvoice3-0-5b-2512/), 6e (5,79 %), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Hugging Face (hf-audio) : openbmb/VoxCPM2

## Liens

- Page de l'éditeur : https://huggingface.co/openbmb/VoxCPM2
- L'essayer : https://huggingface.co/spaces/OpenBMB/VoxCPM-Demo

## Pages lues

- https://huggingface.co/openbmb/VoxCPM2 (« VoxCPM2 is a tokenizer-free, diffusion autoregressive Text-to-Speech model - 2B parameters , 30 languages , 48kHz audio output »), 17/10/2026
- https://huggingface.co/openbmb/VoxCPM2 (« Voice Design - Generate a novel voice from a natural-language description alone »), 17/10/2026
- https://huggingface.co/openbmb/VoxCPM2 (« Controllable Cloning - Clone any voice from a short clip, with optional style guidance to steer emotion, pace, and expression while preserving timbre »), 17/10/2026
- https://huggingface.co/openbmb/VoxCPM2 (« Supported Languages (30) Arabic, Burmese, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Indonesian, Italian »), 17/10/2026
- https://huggingface.co/openbmb/VoxCPM2 (« Japanese, Khmer, Korean, Lao, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Tagalog, Thai, Turkish, Vietnamese »), 17/10/2026
- https://github.com/OpenBMB/VoxCPM (« [2026.04] 🔥 We release VoxCPM2 - 2B, 30 languages, Voice Design & Controllable Voice Cloning, 48kHz audio output! Weights »), 17/10/2026