VoxCPM2 语音合成镜像

镜像简介

基于 VoxCPM 2.02 的语音合成环境，支持零样本语音克隆、多语言语音生成。

• 功能： 零样本语音克隆（3-10秒参考音频）、30种语言语音合成、48kHz高音质输出
• 特点： 预装 VoxCPM 2.02 环境，支持一键启动 WebUI，开箱即用

环境与依赖

• 框架及版本： PyTorch 2.0+（基础镜像自带）
• CUDA版本： CUDA 12.0
• 其他依赖： Python 3.12, Gradio, funasr 1.3.1

配置方法

1. 部署实例后点击「WebUI」按钮一键启动
2. 或 SSH 登录后执行：/start.d/voxcpm.sh
3. 访问 http://实例IP:7860 使用界面

环境验证代码

pip show voxcpm  # 查看版本信息
python -c "import torch; print(torch.cuda.is_available())"  # 验证GPU可用

相关链接

• 项目源码： GitHub - OpenBMB/VoxCPM
• 模型权重： ModelScope 自动下载

常见问题

Q1：WebUI 按钮无法连接？ A1： 确保发布时勾选了「支持自启动」，或手动执行 /start.d/voxcpm.sh 启动服务

Q2：端口被占用？ A2： 执行 pkill -f "python app.py" 停掉旧进程后重新启动

Q3：需要多少显存？ A3： 最低 24GB 显存（RTX 3090/4090