VoxCPM-0.5B

VoxCPM 语音系列

按照初代模型的运行要求，选择 Python 集成、CLI 批处理或离线部署。固定模型与运行代码版本，确认 16kHz 输出，并为现有工程建立质量和性能回归检查。

VoxCPM-0.5B 是初代 VoxCPM 1.0 checkpoint，适合历史基线复现、旧工程维护或 16kHz 中英语音验证。新项目若没有兼容约束，应先评估 VoxCPM2；需要较高采样率但仍保持 1.x 路径时评估 VoxCPM1.5。

部署信息

项目	值或说明
模型	openbmb/VoxCPM-0.5B
语言	中文、英文
输出	16kHz
参考显存	官方系列 README 约 5 GB；实际值与运行参数有关。
RTX 4090 RTF	官方版本历史约 0.17。
克隆	提示音频与准确转写；不支持隔离参考音频。

Python 集成

Python

from voxcpm import VoxCPM
import soundfile as sf

model = VoxCPM.from_pretrained(
    "openbmb/VoxCPM-0.5B",
    load_denoiser=False,
)

def synthesize(text: str, output: str) -> str:
    wav = model.generate(
        text=text,
        cfg_value=2.0,
        inference_timesteps=10,
    )
    sf.write(output, wav, model.tts_model.sample_rate)
    return output

模型只在进程启动时加载一次。批量或服务化场景由应用层控制并发、排队、超时、重试与文件清理。

CLI 与离线运行

Bash

# 在线加载
voxcpm design   --hf-model-id openbmb/VoxCPM-0.5B   --text "部署验证。"   --output out.wav

# 批处理
voxcpm batch   --hf-model-id openbmb/VoxCPM-0.5B   --input texts.txt   --output-dir outputs

Python

from huggingface_hub import snapshot_download

snapshot_download(
    "openbmb/VoxCPM-0.5B",
    local_dir="./models/VoxCPM-0.5B",
)

Bash

voxcpm design   --model-path ./models/VoxCPM-0.5B   --local-files-only   --text "离线验证。"   --output offline.wav

克隆批处理

Bash

voxcpm batch   --hf-model-id openbmb/VoxCPM-0.5B   --input texts.txt   --output-dir clone_outputs   --prompt-audio speaker.wav   --prompt-text "提示音频中实际说出的完整文本。"

不要使用 --reference-audio；该参数只适用于 VoxCPM2。批量输出应逐文件验证时长、空音频、异常噪声和文本可懂度。

生态后端边界

官方系列 README 为 Nano-vLLM 列出 VoxCPM-0.5B 在 RTX 4090 上约 0.10 的参考 RTF；该后端由社区独立维护，使用前必须在其仓库核对当前 VoxCPM-0.5B 支持情况。vLLM-Omni 与 llama.cpp-omni 的当前官方示例聚焦 VoxCPM2，不能据此假定可直接运行 VoxCPM-0.5B。

生产检查

维度	检查项
版本	固定模型 revision、代码 commit、依赖锁文件与镜像摘要。
质量	固定中英、数字、长短句和克隆回归集，升级前后试听与自动检查。
性能	记录 RTF、首包与总延迟、并发、显存峰值和失败率。
输出	确认 WAV 可播放且为 16kHz；下游需要其他采样率时显式重采样。
安全	鉴权、长度限制、说话人授权、生成标识和音频日志最小化。