VoxCPM 2 最佳实践¶
欢迎来到 VoxCPM 2 的实用示例页。相比前代，它支持更多语言、更丰富的控制方式，以及更有表现力的语音生成能力。这一页主要整理常见写法和使用建议，帮助你更快得到想要的声音效果。
可以把它当作 使用指南 的补充：Usage Guide 讲 API 和参数，这一页更侧重实际写法与使用建议。
🥚 Step 1: 先准备文本内容¶
1. 多语种输入¶
VoxCPM 2 支持的输入范围比以前更广。多数情况下，直接用目标语言写出要合成的文本即可。
代表性语言包括：
亚洲： 中文、日语、韩语、印地语、泰语、越南语、印尼语、马来语、他加禄语、高棉语、老挝语、缅甸语
欧洲与美洲： 英语、法语、德语、西班牙语、意大利语、俄语、葡萄牙语、荷兰语、波兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语
中东与非洲： 阿拉伯语、土耳其语、希伯来语、斯瓦希里语
小技巧
通常不必额外加语言标签。先用干净的目标语言正文起步，确有需要再加控制项。
2. 中文方言¶
也可以尝试更贴近地方口音的表达，例如川话、粤语、吴语、东北话、河南话、陕西话、山东话、天津话、闽南语等。
方言 |
地道方言示例 |
普通话对应说法 |
|---|---|---|
粤语 |
|
|
四川话 |
|
|
东北话 |
|
|
河南话 |
|
|
建议：
尽量使用地道说法： 想要效果更自然，正文最好直接使用方言里常见的表达，可参考上面的示例。
始终用真实当地方言书写，效果最佳。
实用建议： 如果你不会写方言，可以先用 AI 文本助手把普通话改写成更自然的方言版本。
控制指令尽量简单： 在 Control Instruction 里写方言名即可（例如
Cantonese）。额外加太多复杂的音色描述，反而可能影响结果。
🍳 Step 2: 设定声音风格¶
1. 仅用文本生成声音¶
没有参考音频也可以。现在可以直接通过文字描述生成声音。一个实用的写法是，把不同要素合并进一条完整的 Control Instruction。中英文指令都支持。
要素 |
说明 |
示例 |
|---|---|---|
身份设定 |
性别、年龄、身份等核心设定 |
|
声音质感 |
音质与音高 |
|
表达状态 |
情绪、节奏与场景 |
|
示例组合：
播音风格示例：
热情洋溢的中年男性播音员，声音较为低沉，富有磁性与感染力，带着逐渐密集的节奏感呼喊宣讲口号历史旁白示例（英文提示词）：
A quiet raspy, elderly woman of a low-pitched voice with a distinct, grainy texture and subtle breathy tremors. Delivers a slow tone at a very low volume, perfect for historical narration.
备注
模型本身带有一定随机性，因此每次生成都可能有细微差异。
2. 声音克隆¶
如果你想复现某个具体音色，可以上传或录制一段参考音频，VoxCPM 2 会提取其中的音色特征并进行克隆。
实用贴士：
至少准备 5 秒参考音频： 素材越干净、越稳定，克隆效果通常越好。
风格控制： 克隆并不只是照搬音色。你也可以加入 Control Instruction，在保留音色的同时调整情绪、语速和表达方式。
风格指令示例：
speaking very fast, bright and full
警告
需要注意： 单靠克隆并不能任意改变说话人的身份。这个功能更适合在原始音色基础上调整情绪、语速和说话方式。
使用要点¶
先直接写清楚目标语言的正文；确有需要时再补充额外控制。
方言场景请用地道方言重写正文，勿用标准普通话硬套。
非语言标签点到为止，用来加气口、笑声或迟疑。
做 Voice Design 时，把身份、质感与场景揉进一条 prompt。
做克隆时，先准备 5 秒以上的干净参考音频，再逐步加入风格控制。
generate() 的精确参数与代码示例见 使用指南。
多试几次，通常很快就能找到更贴合自己场景的写法和声音效果。