{"kind":"compare","slug":"voxcpm","path":"/compare/voxcpm","title":"Альтернатива VoxCPM 2: быстрая речь на CPU | SuperClonica","description":"VoxCPM 2 или SuperClonica: звук 48 кГц, дизайн голоса и 30 языков против лёгкого движка Supertonic 3, который быстрее на CPU. Наши оценки и что когда выбрать.","h1":"VoxCPM 2 или SuperClonica: студийный звук или скорость на CPU","intro":"VoxCPM 2 от OpenBMB — модель синтеза речи на 2 млрд параметров, вышедшая в апреле 2026 года. Она выдаёт звук 48 кГц, говорит на 30 языках, клонирует голоса и создаёт новые по текстовому описанию, всё под Apache 2.0. SuperClonica работает с голосами Supertonic 3, а эта модель примерно в двадцать раз меньше: на CPU она намного быстрее, но и возможностей у неё меньше.\n\nНиже — сравнение по документации VoxCPM и нашей таблице.","sections":[{"heading":"Что умеет VoxCPM 2","paragraphs":["VoxCPM обходится без токенизатора: речь генерируется в латентном пространстве аудио-VAE диффузионно-авторегрессионным конвейером на основе MiniCPM-4."],"points":["30 языков без языкового тега и девять китайских диалектов, например кантонский и сычуаньский.","Звук 48 кГц из референса 16 кГц со встроенным суперразрешением.","Дизайн голоса по описанию на естественном языке и управляемое клонирование.","Точное клонирование по записи вместе с её текстом.","Веса и код под Apache 2.0; авторы прямо пишут, что коммерческое использование бесплатно."]},{"heading":"VoxCPM 2 на CPU и видеокарте","paragraphs":["На RTX 4090 авторы указывают RTF около 0,3, а с Nano-vLLM — около 0,13; модели нужно примерно 8 ГБ видеопамяти. На Apple M4 Pro через llama.cpp-omni с весами Q8_0 — около 1,76.","Для настольного 8-ядерного процессора мы оцениваем VoxCPM 2 в 2–4 раза медленнее реального времени: фраза на 10 секунд займёт 20–40 секунд. Отправная точка — ONNX-экспорт с RTF 3,8 при весах INT8 на Core i3-12300 и допущение, что более быстрый CPU даст ускорение до двух раз. SuperClonica работает в 6,4–9,7 раза быстрее реального времени, около 1,0–1,6 секунды на ту же фразу."]},{"heading":"Качество и стабильность","paragraphs":["В нашей таблице у VoxCPM 2 и SuperClonica одинаковая оценка качества — 4,5 из 5. По стабильности тембра у VoxCPM 2 3,5, у SuperClonica 5.","Авторы VoxCPM сами отмечают, что дизайн голоса и управляемое клонирование от запуска к запуску дают разный результат, и советуют генерировать от одного до трёх раз. Для одного трейлера это не проблема. Для игры, где персонаж произносит тысячи реплик, единый тембр проще держать с фиксированным файлом голоса."]},{"heading":"Когда VoxCPM 2 — лучший выбор","paragraphs":["SuperClonica стоит выбрать, когда озвучка идёт на процессорах, офлайн и в больших объёмах на одном из 31 языка Supertonic 3. VoxCPM 2 лучше, если:"],"points":["нужен китайский или один из его диалектов;","важен звук 48 кГц для рекламы, музыки или видео;","хочется создать голос по описанию или клонировать его мгновенно;","есть видеокарта примерно с 8 ГБ памяти или больше."]}],"faq":[{"question":"Работает ли VoxCPM на CPU?","answer":"Да, через порты вроде ONNX-экспорта: RTF 3,8 с весами INT8 на Core i3-12300. Для настольного 8-ядерного CPU мы оцениваем скорость в 2–4 раза медленнее реального времени. В официальных требованиях указана CUDA 12.0 или новее."},{"question":"Сколько видеопамяти нужно VoxCPM 2?","answer":"Около 8 ГБ, согласно сравнительной таблице в репозитории VoxCPM."},{"question":"Можно ли бесплатно использовать VoxCPM в коммерческих целях?","answer":"Да. Веса и код выпущены под Apache 2.0, и авторы прямо называют их бесплатными для коммерческого использования."},{"question":"Что быстрее озвучит длинный текст без видеокарты?","answer":"SuperClonica. По нашим оценкам для настольного 8-ядерного CPU, час аудио занимает около 7–11 минут с SuperClonica и 2–4 часа с VoxCPM 2."}],"cta":{"catalog":"Открыть каталог голосов","install":"Инструкция по установке SuperClonica"},"sources":[{"label":"Репозиторий VoxCPM (GitHub)","url":"https://github.com/OpenBMB/VoxCPM"},{"label":"Карточка модели VoxCPM2 (Hugging Face)","url":"https://huggingface.co/openbmb/VoxCPM2"},{"label":"ONNX-экспорт с замерами на CPU","url":"https://github.com/DakeQQ/Text-to-Speech-TTS-ONNX#performance"},{"label":"Карточка модели Supertonic 3","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"Синтез речи и озвучка текста на вашем компьютере"},{"slug":"supertonic","path":"/compare/supertonic","h1":"SuperClonica против Supertonic: та же модель, быстрее и чище"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio и Fish Speech или SuperClonica"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice или SuperClonica: больше языков или больше скорости"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"Qwen3-TTS или SuperClonica для локального синтеза речи"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 или SuperClonica: студийный звук или скорость на CPU"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS или SuperClonica: клонирование без обучения или быстрая речь на CPU"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"Офлайн-альтернатива ElevenLabs"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS или SuperClonica: две компактные модели для синтеза речи"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS или SuperClonica: маленькие устройства или свои голоса"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 или SuperClonica: альтернатива Coqui TTS"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS или SuperClonica: мгновенный клон или обученный файл голоса"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"Как озвучить текст голосом офлайн на своём компьютере"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"Клонирование голоса: как получить голос, похожий на запись"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"Лучшие бесплатные модели синтеза речи для локального запуска в 2026 году"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"Озвучка текста для видео, аудиокниг, игр и приложений"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Голоса Supertonic 3: где взять свои голоса и как ими пользоваться"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Озвучка текста на Python: офлайн, бесплатно и естественными голосами"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"Свой API для озвучки текста в Docker"}]}