1元/时
VoxCPM2声音克隆
``` VoxCPM2 语音克隆配音服务：部署即用，自动启动 OpenAI 兼容 TTS API（8000 端口），支持音色克隆、极致克隆、风格指令。开箱即用，无需任何配置。 ```
运行环境
框架版本
CUDA版本
13.2
应用
JupyterLab: 8888
自定义开放端口
88088000
支持卡型
RTX40系48G RTX40系
+2
📌 镜像说明
本镜像内置 VoxCPM2（面壁智能多语言语音合成模型） 与 OpenAI 兼容 TTS 服务，部署完成后自动启动，开箱即用。适用于：
- 🎬 短视频口播配音（AI 视频创作）
- 📚 有声书 / 故事配音
- 🎙️ 音色克隆（上传 5~30 秒参考音频即可克隆）
- 🌍 多语言 / 方言配音（粤语、河南话等）
⚙️ 预装内容
| 项目 | 说明 |
|---|---|
| 语音模型 | VoxCPM2（多语言、音色克隆、极致克隆） |
| API 服务 | OpenAI 兼容接口 POST /v1/audio/speech，端口 8000 |
| 自启动 | 已配置开机自启，部署后无需手动操作 |
| 健康检查 | GET /health |
| 输出格式 | 16-bit PCM WAV（48kHz） |
🚀 部署后使用
- 实例就绪后（约 1~2 分钟），服务自动运行
- 在实例详情页「应用/端口」找到 8000 端口访问地址（格式
https://8000-xxx.pod.compshare.cn） - 用任意 OpenAI 兼容客户端调用：
POST {你的地址}/v1/audio/speech
Authorization: Bearer e71d3004b37fe6086ce1fcf921e94cbf95206c67058bd442
Content-Type: application/json
{
"model": "openbmb/VoxCPM2",
"input": "大家好，今天给大家讲个故事。",
"voice": "default",
"response_format": "wav",
"reference_audio": "<base64 或 data URI，可选>",
"instruction": "语速稍快，语气亲切（可选）"
}
- 返回 WAV 音频字节，直接保存播放
🎤 音色克隆
- 可控克隆：上传 5~30 秒清晰参考音频（WAV/MP3），配合风格指令调整语气
- 极致克隆：附带参考音频文本，最高精度还原音色、节奏、呼吸感
- 参考音频格式：data URI 或 base64（
data:audio/wav;base64,...）
💰 计费说明
- 镜像费：X 元/小时（见页面定价）
- GPU 租机费：按所选机型计费（RTX 4090 约 2~4 元/小时，建议 16GB 以上显存）
- 关机/销毁即停止计费
⚠️ 注意事项
- 实例关机后服务停止，开机后自动恢复（已配置自启动）
- 单实例 GPU 同一时刻处理一个推理任务，多用户并发建议多开实例
- 首次请求含模型加载，约 1~2 分钟；后续请求约 5 秒
- 请勿在镜像内存储个人敏感数据
🆘 支持
- 部署问题、调用问题请查看镜像评论区留言
- 详细配置说明见发布者提供的《云端配音部署与使用手册》
