VoxCPM是由面壁智能 × 清華大學(xué)聯(lián)合研發(fā)的一款新一代文本轉(zhuǎn)語音（TTS）模型。簡單來說，就是把一段文字，直接變成自然、接近真人的聲音——無論是小說、旁白、臺(tái)詞，還是講解稿，都能一鍵生成音頻。

它最大的特點(diǎn)是“無分詞器”架構(gòu)。傳統(tǒng) TTS 往往需要先把句子拆成一個(gè)個(gè)字或詞再合成，比如：

「我愛吃蘋果」→「我 / 愛 / 吃 / 蘋果」

這種方式容易導(dǎo)致語氣生硬、停頓不自然，聽起來像“拼出來的聲音”。

而VoxCPM 不需要分詞，它是直接基于整句語境進(jìn)行建模和生成，能同時(shí)理解上下文關(guān)系、情緒走向和語義重心，因此在語調(diào)、重音、停頓和連貫性上都更加自然，明顯減少“機(jī)器感”和“斷句感”。

一句話總結(jié)：VoxCPM 更像是在“理解你在說什么”，再把它“讀出來”，而不是把字一個(gè)個(gè)念出來。

第一步：徹底刪除舊環(huán)境(有安裝過VoxCpm模型執(zhí)行)

請(qǐng)關(guān)閉所有正在運(yùn)行的 Python 程序，打開終端（Anaconda Prompt 或 PowerShell）：

# 1. 退出當(dāng)前環(huán)境conda deactivate# 2. 刪除整個(gè)環(huán)境（包括里面所有的包）conda remove -n voxcpm --all -y# 3. 清理緩存（防止下次安裝時(shí)用到壞的緩存包）conda clean --all -y

# 1. 創(chuàng)建新環(huán)境（指定 Python 3.10，最穩(wěn)定）conda create -n voxcpm python=3.10 -y# 2. 激活環(huán)境conda activate voxcpm

不要直接運(yùn)行 pip install voxcpm，否則它又會(huì)給你裝上 CPU 版。 我們需要先“占位”，把正確的 GPU 版裝好。 復(fù)制下面這行命令運(yùn)行（下載量約 2.5GB，請(qǐng)耐心等待）：https://pytorch.org/get-started/locally/

pip install torch==2.9.1 torchvision==0.24.1 torchaudio==2.9.1 --index-url https://download.pytorch.org/whl/cu128

第四步：安裝 VoxCPM 和 TorchCodec

# 1. 安裝主程序pip install voxcpm# 2. 安裝解碼器庫pip install torchcodec

第五步：搞定 FFmpeg (手動(dòng)掛載法)

因?yàn)?Windows Conda 安裝 FFmpeg 容易報(bào)錯(cuò)，我們采用手動(dòng)下載 + 代碼掛載的方案。

1. 下載ffmpeg-7.1-full_build-shared.7z(一定要帶shared字樣！只有它才有 DLL 文件) 地址：https://www.gyan.dev/ffmpeg/builds/
2. 解壓： 解壓到 D:\FFmpeg。確保你能看到 D:\FFmpeg\bin 里面有很多 .dll 文件。

修改代碼： 打開 D:\python\VoxCPM-main\app.py，把原來的內(nèi)容全部清空（或者在最最前面插入），確保文件前幾行是這樣的：

import os# ?? 這里一定要改成你剛剛下載并解壓的那個(gè) shared 版本的 bin 路徑！# 必須能在這個(gè)文件夾里看到 .dll 文件才行！ffmpeg_bin_path = r"D:\FFmpeg_Shared\bin"os.environ["PATH"] = ffmpeg_bin_path + os.pathsep + os.environ["PATH"]if hasattr(os, 'add_dll_directory'):try:os.add_dll_directory(ffmpeg_bin_path)print("? 成功！已強(qiáng)制掛載 FFmpeg 動(dòng)態(tài)庫")except Exception as e:print(f"? 掛載失敗: {e}")# ... 下面才是原來的 import torch ...