Dockerと、WindowsまたはLinux上の対応NVIDIA GPUが必要です。測定したNanoベースラインではRTX 5070 Ti上でVRAMが最大8,491 MiBに達したため、12 GBを安全側の目安としています。GPUごとにモデルサーバー用コンテナーを1つ実行してください。
創造的で自然な音声 安定版 v1.0 またはローリング latest
VoxCPMTTS
30言語の音声を、自分のGPUでデザイン、クローン、ストリーミング。
30言語の生成、音声デザイン、参照音声・文字起こし誘導クローン、再利用可能なプロファイル、プログレッシブMP3ストリーミング、HTTP APIを備えたローカルVoxCPM2環境です。
自然な音声や音声デザインには生成を開き、同意を得た参照音声をアップロードまたは録音するにはクローンを開きます。ストリームはプログレッシブ再生、音声は再利用可能なプロファイルの保存、APIとシステムは連携情報と実行環境の詳細を提供します。
テキスト、参照音声、保存したプロファイル、生成音声は、コンテナーを実行するマシン内に留まります。権利と同意を得た音声だけをクローンし、なりすまし、詐欺、嫌がらせ、欺瞞には決して使用しないでください。Dockerイメージ内の各コンポーネントには、それぞれのライセンス条件が適用されます。
含まれるもの
モデルだけではない、完全なローカル環境。
- 30言語に対応するVoxCPM2音声生成
- 音声デザイン、参照音声クローン、文字起こし誘導クローン
- 永続化された再利用可能な音声プロファイル
- プログレッシブMP3ストリーミングとWAV、MP3、FLAC、OGG
- 生成、クローン、ストリーム、音声、API、システムの各画面
- CUDAグラフ対応Nano-vLLM、測定中央値RTF 0.271
実際のアプリ画面
表現力豊かなローカル音声のための6つの専用ワークスペース。
生成は自然な音声と任意の音声デザインを扱います。クローンは録音またはアップロードした参照音声を受け取り、ストリームはプログレッシブに再生し、音声は再利用可能なプロファイルを保存します。APIとシステムではサービスとGPU実行環境を確認できます。
