{"kind":"compare","slug":"voxcpm","path":"/compare/voxcpm","title":"VoxCPM 2 替代方案：CPU 上更快的语音合成 | SuperClonica","description":"VoxCPM 2 与 SuperClonica 对比：48 kHz 输出、声音设计、30 种语言和中文方言，还是在 CPU 上更快的小型 Supertonic 3 引擎？附我们的估算。","h1":"VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度","intro":"OpenBMB 的 VoxCPM 2 是 2026 年 4 月发布的 20 亿参数语音合成模型。它输出 48 kHz 音频，支持 30 种语言和 9 种中文方言，既能克隆声音，也能根据文字描述创造新声音，全部以 Apache 2.0 开源。SuperClonica 运行的是 Supertonic 3 音色，这个模型小了约 20 倍，所以在 CPU 上快得多，但功能更少，也不支持中文。\n\n下面的对比基于 VoxCPM 的官方文档和我们的对比表。","sections":[{"heading":"VoxCPM 2 能做什么","paragraphs":["VoxCPM 不使用分词器（tokenizer-free）：它基于 MiniCPM-4，在音频 VAE 的潜空间中通过扩散自回归流程生成语音。"],"points":["30 种语言，无需语言标签；另支持粤语、四川话等 9 种中文方言。","输入 16 kHz 参考音频，直接输出 48 kHz，内置超分辨率。","根据自然语言描述设计声音，并支持可控克隆。","用参考音频加文本进行高保真克隆。","权重和代码采用 Apache 2.0，官方明确可免费商用。"]},{"heading":"VoxCPM 2 在 CPU 和 GPU 上的表现","paragraphs":["官方数据：在 RTX 4090 上 RTF 约 0.3，用 Nano-vLLM 加速后约 0.13，显存需求约 8 GB。在 Apple M4 Pro 上用 llama.cpp-omni 和 Q8_0 权重，RTF 约 1.76。","在 8 核台式机 CPU 上，我们估计 VoxCPM 2 比实时慢 2–4 倍，一句 10 秒的话要 20–40 秒。估算的起点是一个 ONNX 移植版本：在 Core i3-12300 上用 INT8 权重时 RTF 为 3.8；我们假设更快的 CPU 最多能再快一倍。SuperClonica 是实时的 6.4–9.7 倍，同一句话约 1.0–1.6 秒。"]},{"heading":"音质与稳定性","paragraphs":["在我们的表里，VoxCPM 2 和 SuperClonica 的音质都是 4.5 分（满分 5 分）。音色稳定性上，VoxCPM 2 为 3.5 分，SuperClonica 为 5 分。","VoxCPM 官方也提到，声音设计和可控克隆的结果每次运行可能不同，建议生成 1–3 次再挑选。做一支预告片没问题；但如果是同一个角色要说上千句台词的游戏，固定的音色文件更容易保持一致。"]},{"heading":"什么时候 VoxCPM 2 更合适","paragraphs":["如果要在 CPU 上离线、大批量地生成 Supertonic 3 所支持的 31 种语言之一的语音，选 SuperClonica。以下情况则更适合 VoxCPM 2："],"points":["需要普通话或中文方言。","广告、音乐或视频需要 48 kHz 音质。","想根据描述设计声音，或即时克隆。","有约 8 GB 或更多显存的 GPU。"]}],"faq":[{"question":"VoxCPM 能在 CPU 上运行吗？","answer":"可以，通过 ONNX 等移植版本运行：在 Core i3-12300 上用 INT8 时 RTF 为 3.8。我们估计在 8 核台式机 CPU 上比实时慢 2–4 倍。官方环境要求 CUDA 12.0 及以上。"},{"question":"VoxCPM 2 需要多少显存？","answer":"根据 VoxCPM 仓库中的对比表，约 8 GB。"},{"question":"VoxCPM 可以免费商用吗？","answer":"可以。权重和代码以 Apache 2.0 发布，官方明确表示可免费商用。"},{"question":"没有显卡时，长篇旁白用哪个更快？","answer":"SuperClonica。按我们对 8 核台式机 CPU 的估算，1 小时音频用 SuperClonica 约需 7–11 分钟，用 VoxCPM 2 需要 2–4 小时。不过如果旁白是中文，目前只能选 VoxCPM 2 这类支持中文的模型。"}],"cta":{"catalog":"打开音色市场","install":"SuperClonica 安装指南"},"sources":[{"label":"VoxCPM 代码仓库（GitHub）","url":"https://github.com/OpenBMB/VoxCPM"},{"label":"VoxCPM2 模型卡（Hugging Face）","url":"https://huggingface.co/openbmb/VoxCPM2"},{"label":"含 CPU 数据的 ONNX 移植版","url":"https://github.com/DakeQQ/Text-to-Speech-TTS-ONNX#performance"},{"label":"Supertonic 3 模型卡","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":"在自己电脑上运行的语音合成"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic 与 SuperClonica：同一模型，更快更干净"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio、Fish Speech 与 SuperClonica 对比"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice 与 SuperClonica：语言更多，还是速度更快"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"本地语音合成：Qwen3-TTS 还是 SuperClonica"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS 与 SuperClonica：零样本克隆还是 CPU 上的快速合成"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"可离线使用的 ElevenLabs 替代方案"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS 与 SuperClonica：小设备还是定制音色"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 与 SuperClonica：Coqui TTS 的替代方案"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS 与 SuperClonica：即时克隆还是训练好的音色文件"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"如何在自己的电脑上离线把文字转成语音"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"声音克隆：如何得到一个像录音里那样的声音"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"2026 年适合本地运行的免费语音合成模型"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"为视频、有声书、游戏和应用做文字转语音配音"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Supertonic 3 音色：自定义音色的来源与使用方法"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Python 文字转语音：离线、免费、自然的音色"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"在 Docker 中自建文字转语音 API"}]}