VoxCPM2의 개요
VoxCPM2는 MiniCPM 언어 모델을 만든 오픈소스 그룹 OpenBMB가 2026년 4월에 공개한 텍스트 음성 변환 모델입니다. MiniCPM-4 백본 위에 20억 개의 파라미터를 두고, 이산 오디오 토크나이저 없이 동작하며, 48 kHz 오디오를 출력합니다. OpenBMB에 따르면 30개 언어로 된 200만 시간이 넘는 음성과 광둥어, 쓰촨어 등 중국어 방언 9개로 학습했습니다.
하는 일은 세 가지입니다. 괄호 안에 적은 설명으로 새 목소리를 만들고, 짧은 클립으로 목소리를 복제하며(스타일 지시는 선택 사항입니다), 클립의 대본까지 주면 그 목소리를 이어 가며 가장 가까운 결과를 냅니다. 가중치와 코드는 Apache 2.0입니다. Hugging Face 페이지에는 지난 한 달 동안 약 977,000회 다운로드가 기록됐고, GitHub 저장소의 스타는 약 41,000개입니다.
VoxCPM2, 쓸 만한 가치가 있습니까?
VoxCPM2는 상업적으로 쓸 수 있는 체크포인트 하나에 대부분의 오픈 음성 모델보다 많은 기능을 담았습니다. 2B 체크포인트 하나로 30개 언어, 보이스 디자인, 음성 복제, 스트리밍을 처리하고 약 8 GB VRAM에 들어갑니다. Qwen3-TTS는 같은 일을 여러 체크포인트로 나누며, 언어 범위가 비슷한 경쟁 모델 대부분은 비상업 라이선스입니다.
벤치마크에서는 경쟁력이 있지만 1위는 아닙니다. OpenBMB 자체 Seed-TTS-eval 표에서 영어 단어 오류율 1.84%, 중국어 문자 오류율 0.97%를 기록해 VoxCPM1.5(2.12%, 1.18%)보다 낫지만, 영어에서는 Qwen3-TTS(1.23%)에, 모든 항목에서 Meituan의 LongCat-AudioDiT에 뒤집니다. CV3-eval에서는 Fish Audio의 S2가 한 언어를 빼고 모두 앞섭니다. 앞서는 분야는 영어 보이스 디자인입니다. InstructTTSEval에서 84.2, 83.2, 71.4를 기록해 Qwen3-TTS VoiceDesign 모델의 82.9, 82.4, 68.4보다 높습니다. Artificial Analysis 같은 독립 아레나에는 아직 올라 있지 않습니다.
속도는 소비자용 그래픽카드 한 장으로 충분합니다. 모델 카드는 RTX 4090에서 실시간 계수가 약 0.30이라고 밝힙니다. 10초 분량의 오디오를 약 3초에 만든다는 뜻이며, 커뮤니티 엔진 Nano-vLLM을 쓰면 약 0.13입니다. 첫 오디오까지 걸리는 시간은 공개되지 않았습니다. 생태계는 넓습니다. vLLM-Omni가 OpenAI 방식의 음성 엔드포인트를 제공하고, llama.cpp-omni, ONNX, Apple Neural Engine, ComfyUI용 포트도 있습니다.
주의할 점: 음성 복제의 안전장치는 사칭과 사기를 금지하는 모델 카드의 한 문장뿐입니다. 워터마크도, 동의 확인도, 탐지기도 없습니다. MiniMax 다국어 테스트를 보면 30개 언어의 품질 차이도 큽니다. 독일어 단어 오류율은 0.68%이지만 힌디어는 19.7%, 루마니아어는 21.6%, 체코어는 24.1%입니다. OpenBMB도 쓸 만한 결과를 얻으려면 보이스 디자인과 스타일 제어 출력을 1~3회 생성하라고 권합니다.
결론: 유럽과 동아시아 언어로 음성 스택을 직접 운영하려는 팀이라면 VoxCPM2가 합리적인 기본 선택입니다. 라이선스에서 아낀 돈은 출시하는 언어마다 원어민 검수자를 두는 데 쓰는 편이 좋습니다.
제 역할을 하는 곳
오디오 팀이 작은 게임 스튜디오
성우를 섭외하지 않고 조연 40명에게 서로 다른 목소리를 입히기
캐릭터마다 '천천히 말하는 거친 목소리의 노년 남성' 같은 설명을 괄호 안에 쓰고, RTX 4090 한 장에서 대사를 일괄 생성한 뒤 1~3회 결과 중 가장 좋은 것을 고릅니다. Apache 2.0이므로 출시한 게임에 로열티가 붙지 않습니다.
교육 영상을 독일어, 스페인어, 일본어로 더빙하는 현지화 업체
원래 발표자의 목소리를 모든 언어에서 유지하기
가장 충실한 복제를 위해 발표자 클립과 대본을 함께 넣고 언어별로 생성합니다. 독일어와 스페인어는 OpenBMB 테스트에서 성적이 좋지만, 오류율이 언어마다 크게 다르므로 원어민 검수 비용을 잡아 두어야 합니다.
독서 앱에서 유료 음성 API를 대체하려는 백엔드 엔지니어
앱이 이미 호출할 줄 아는 엔드포인트로 음성을 제공하기
OpenAI 호환 /v1/audio/speech 경로를 제공하는 vLLM-Omni를 8 GB 이상 GPU에서 실행합니다. 비용이 글자당 요금에서 고정 GPU 임대료로 바뀝니다.
도입 전 확인할 점
- 설정
- Python 3.10 이상, PyTorch 2.5 이상, CUDA 12 이상 환경에서 pip install voxcpm을 실행합니다. 가중치는 처음 불러올 때 Hugging Face에서 내려받습니다. bfloat16 기준 VRAM 약 8 GB입니다.
- 연동
- Python 패키지, vLLM-Omni(OpenAI 호환 음성 엔드포인트), Nano-vLLM-VoxCPM, llama.cpp-omni용 GGUF, ONNX, Apple Neural Engine, ComfyUI 노드. LoRA 미세 조정에는 5~10분 분량의 오디오가 필요합니다.
- 데이터와 개인정보
- 자체 호스팅이므로 텍스트와 참조 오디오가 내 장비에 남습니다. Apache 2.0입니다. 카드는 사칭, 사기, 허위 정보를 금지하고 AI 오디오 표시를 요청하지만, 코드에서 강제하는 장치는 없습니다.
- 대규모 사용 시 비용
- 라이선스 비용도 자체 API도 없습니다. 비용은 GPU 시간이며, 실시간 계수 0.30이면 RTX 4090 한 장이 배치 처리 없이도 재생 속도의 약 3배로 생성합니다.
- 제한
- 첫 오디오까지의 시간은 공개되지 않았습니다. 최대 시퀀스는 8,192토큰이며, 카드는 매우 길거나 감정 표현이 강한 입력에서 불안정할 수 있다고 경고하고, 품질은 언어마다 다릅니다.
좋은 점
- 가중치와 코드 모두 Apache 2.0, 상업적 사용 포함
- 보이스 디자인, 음성 복제, 스트리밍을 2B 체크포인트 하나로
- VRAM 약 8 GB, RTX 4090에서 실시간 계수 약 0.30
- InstructTTSEval 영어 보이스 디자인에서 Qwen3-TTS보다 높음
아쉬운 점
- 워터마크, 동의 확인, 오남용 탐지기가 없음
- 여러 오류율 테스트에서 Qwen3-TTS, LongCat-AudioDiT, Fish S2에 뒤짐
- 지원 언어 일부는 약함: 힌디어 WER 19.7%, 체코어 24.1%
- 보이스 디자인과 스타일 제어는 문장마다 1~3회 시도가 필요할 수 있음
추천 대상
유럽과 동아시아 언어에서 보이스 디자인과 음성 복제를 갖춘 상업용 오픈 음성 합성을 GPU 한 장으로 돌리려는 제품 팀.
VoxCPM2 대안
VoxCPM2: 자주 묻는 질문
- VoxCPM2, 쓸 만한 가치가 있습니까?
- 상업 라이선스, 많은 언어, 보이스 디자인을 한 번의 다운로드로 갖추고 싶다면 VoxCPM2부터 시작하면 됩니다. 평점은 5점 만점에 4.2점입니다.
- VoxCPM2의 가격은 얼마입니까?
- Apache 2.0으로 무료이며 상업적 사용도 포함됩니다. OpenBMB는 호스팅 API를 판매하지 않으며, 비용은 자체 GPU 시간입니다.
- VoxCPM2의 단점은 무엇입니까?
- 워터마크, 동의 확인, 오남용 탐지기가 없음; 여러 오류율 테스트에서 Qwen3-TTS, LongCat-AudioDiT, Fish S2에 뒤짐; 지원 언어 일부는 약함: 힌디어 WER 19.7%, 체코어 24.1%; 보이스 디자인과 스타일 제어는 문장마다 1~3회 시도가 필요할 수 있음.
- VoxCPM2에 적합한 사람은 누구입니까?
- 유럽과 동아시아 언어에서 보이스 디자인과 음성 복제를 갖춘 상업용 오픈 음성 합성을 GPU 한 장으로 돌리려는 제품 팀.
- 팀이나 프로덕션 환경에서 VoxCPM2의 비용은 얼마입니까?
- 라이선스 비용도 자체 API도 없습니다. 비용은 GPU 시간이며, 실시간 계수 0.30이면 RTX 4090 한 장이 배치 처리 없이도 재생 속도의 약 3배로 생성합니다.
- VoxCPM2에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅이므로 텍스트와 참조 오디오가 내 장비에 남습니다. Apache 2.0입니다. 카드는 사칭, 사기, 허위 정보를 금지하고 AI 오디오 표시를 요청하지만, 코드에서 강제하는 장치는 없습니다.
- VoxCPM2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3-TTS, OmniVoice, Fun-CosyVoice3 및 Higgs TTS 3입니다.
답변 확인일: 2026년 11월 7일.
VoxCPM2 개발사입니까? 이 평점을 사이트에 표시하십시오
