# 面壁智能、OpenBMB 和清华放出一个 2B 开源语音模型 VoxCPM 2，能说 9 种方言、30 种外语，还复刻了郭德纲的《莽撞人》贯口

> 原标题：国产免费2B开源语音模型征服《莽撞人》！复刻郭德纲最难贯口

- 来源：量子位 · 公众号
- 发布时间：2026-04-08T04:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/6252
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247881487&idx=1&sn=faf399aa06b8fb64a89ef3d9a2de297d

## 摘要

VoxCPM 2 是个 20 亿参数的开源语音模型，主打低延迟和少样本复刻。官方说生成经常在 1 秒内完成，给一段 5 秒以上的参考音频就能模仿音色和风格，演示里用它念了语速极快的相声贯口《莽撞人》。技术上它没用传统的声学码本，而是走扩散自回归连续表征路线，支持去噪、LoRA 微调和全量微调。

## 推荐理由

面壁智能与清华 OpenBMB 开源 20 亿参数语音模型 VoxCPM 2，5 秒参考音频即可复刻音色，并采用扩散自回归连续表征路线。

## 锐评

2B 参数能复刻贯口，这个演示挑得挺聪明，语速快、连读多，糊弄不过去。语音模型的门槛不在音色像不像，在延迟和稳定性，官方说 1 秒内生成、48kHz，这个数如果端侧也成立，LoRA 微调加去噪这套组合就有实际用处，配个客服或者有声书流水线成本压得很低。方言和外语那 9 种 30 种先当宣传看，没有测试集和客观指标，谁也没法验证。开源权重放出来就值得下下来跑一遍。
