VoxCPM2 是 OpenBMB 开源的文本转语音模型，免费商用，是 ElevenLabs 的一个实在替代品。
项目地址：
https://github.com/OpenBMB/VoxCPM
它最大的特点是 Tokenizer-Free：不经过离散音频 token，直接预测连续音频，保留更多细节，语音更自然。
音色相似度上，在测试的 24 种语言里都好过 ElevenLabs；不过在多数欧洲语言上，ElevenLabs 的清晰度仍然更好。
成本差距很直接：每月 100 小时音频，ElevenLabs 大约 600 到 990 美元；VoxCPM2 在租用的 4090 上批量跑，大约 10 到 50 美元，常驻服务大约 250 到 500 美元。
怎么选：量大、批量任务、音色克隆、亚洲语言，选 VoxCPM2；量小、实时场景，或者阿拉伯语、印地语，继续用 ElevenLabs。
正文完