VoxCPM2
OpenBMB · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 5e sur 16 en prononciation du français.
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 huggingface.co, le 17/10/2026.
- Sortie
- avril 2026 lu sur la page de l'éditeur
- Taille
- 2 milliards de paramètres lu sur la page de l'éditeur
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). Lu sur huggingface.co.
- 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 %).
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Prononciation du français
5e sur 16taux d'erreur par mot 5,46 %
Vitesse : RTFx 2 : produit 2 secondes d'audio par seconde de calculClonage de voix : oui
Source : Open TTS Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 9 octobre 2026.
Modèles proches
- Prononciation du français : devant, Supertonic 3 (4e, 5,44 %) · derrière, Fun-CosyVoice 3.0 (6e, 5,79 %)
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.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
openbmb/VoxCPM2 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- 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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.