9月18日，面壁智能发布语音生成基座模型VoxCPM，参数规模为0.5B。该模型由面壁智能与清华大学深圳国际研究生院联合研发，具备合成语音自然度、音色相似度及韵律表现力的SOTA水平，已开源至GitHub、Hugging Face等平台。VoxCPM在词错率、Zero-shot音色克隆任务中表现优异，尤其在情绪、音色、停顿等方面号称媲美真人。它能根据文本内容自主选择声音、腔调和韵律风格，提供沉浸式听觉体验。模型支持文本理解、声音复刻及公式符号音频输出等多种功能，相关链接已开放供体验。