Finetuning

Tutorial: OpenBMB/VoxCPM — Tokenizer-Free Diffusion AR TTS 完整解讀（VoxCPM 2 / 1.5 / 0.5B、Voice Cloning / Design、LoRA 微調、生態系）

2026-06-0226 min read DevTools Audiovae Diffusion-Autoregressive Finetuning Gradio Lora Minicpm4 Multilingual Openbmb Text-to-Speech Tokenizer-Free Tts Tutorial Voice-Cloning Voice-Design

VoxCPM 完整教學一句話定位：OpenBMB（清華大學 NLP / 面壁智能 ModelBest 主導）旗下旗艦 TTS (text-to-speech; 文字轉語音) 開源項目；採 tokenizer-free + diffusion autoregressive 架構、基於 MiniCPM-4 language model + AudioVAE V2 latent space，最新版 VoxCPM 2 以 2B 參數支援 30 種語言、48 kHz 高保真合成、voice design（純文字描述生聲）、voice cloning（參考音複製）、controllable cloning（風格調...