<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>VoxCPM :: 标签 :: x7peeps</title><link>https://blog.x7peeps.com/tags/VoxCPM/index.html</link><description/><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Tue, 20 Oct 2026 20:01:26 +0800</lastBuildDate><atom:link href="https://blog.x7peeps.com/tags/VoxCPM/index.xml" rel="self" type="application/rss+xml"/><item><title>Mac 苹果芯片声音克隆方案横评：8 个主流方案实测，谁最适合你？</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/macOS%E6%9C%AC%E5%9C%B0TTS%E5%A3%B0%E9%9F%B3%E5%85%8B%E9%9A%86%E5%AE%9E%E6%B5%8B/index.html</link><pubDate>Tue, 20 Oct 2026 20:01:26 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/macOS%E6%9C%AC%E5%9C%B0TTS%E5%A3%B0%E9%9F%B3%E5%85%8B%E9%9A%86%E5%AE%9E%E6%B5%8B/index.html</guid><description>Mac 苹果芯片声音克隆方案横评：8 个主流方案实测，谁最适合你？ 一句话结论：如果你在 Mac（Apple Silicon）上想克隆声音，首选 Qwen3-TTS-12Hz；追求极致中文效果且有耐心微调，GPT-SoVITS 上限最高；完全不想折腾，直接上 ElevenLabs 云端服务。</description></item><item><title>补充本地VoxCPM语音克隆provider特性的研究</title><link>https://blog.x7peeps.com/%E5%BC%80%E6%BA%90%E9%A1%B9%E7%9B%AE/hermes%E6%96%B0%E7%89%B9%E6%80%A7/%E8%A1%A5%E5%85%85%E6%9C%AC%E5%9C%B0VoxCPM%E8%AF%AD%E9%9F%B3%E5%85%8B%E9%9A%86provider%E7%89%B9%E6%80%A7%E7%9A%84%E7%A0%94%E7%A9%B6/index.html</link><pubDate>Mon, 17 Aug 2026 10:34:57 +0800</pubDate><guid>https://blog.x7peeps.com/%E5%BC%80%E6%BA%90%E9%A1%B9%E7%9B%AE/hermes%E6%96%B0%E7%89%B9%E6%80%A7/%E8%A1%A5%E5%85%85%E6%9C%AC%E5%9C%B0VoxCPM%E8%AF%AD%E9%9F%B3%E5%85%8B%E9%9A%86provider%E7%89%B9%E6%80%A7%E7%9A%84%E7%A0%94%E7%A9%B6/index.html</guid><description>PR 地址：NousResearch/hermes-agent#82961 · 新增 VoxCPM 原生本地 TTS provider（30 语种、语音设计 + 克隆、MPS 加速）
研究摘要 之前，Hermes 的 TTS 格局是"云的好用但花钱且音频出机，本地的不花钱但没有克隆能力也谈不上自然韵律"：7 个云 provider（Edge / OpenAI / ElevenLabs / MiniMax / xAI / Mistral / Gemini），3 个本地 provider（Piper / KittenTTS / NeuTTS）全部 CPU-only。现在，OpenBMB 的 VoxCPM2（2026-04 发布、2B 参数）作为一等原生 provider 接入：100% 本地推理、无 API key，支持语音设计（文本描述直接生成新音色）、参考音频克隆、延续克隆三种模式，覆盖 30 种语言含 9 种中文方言，48kHz 输出，Apple Silicon 走 MPS 加速。</description></item></channel></rss>