VoxCPM2, el modelo abierto de voz de OpenBMB, volvió al foco del código abierto el 24 de octubre de 2026. No es un lanzamiento de hoy: el propio repositorio oficial registra VoxCPM2 como novedad de abril de 2026. Lo que cambió ahora fue la visibilidad — el modelo reapareció entre los destacados diarios de GitHub, en un resumen publicado el 24 de octubre — y eso justifica revisitarlo, porque Geekiki aún no había cubierto el proyecto.
Qué es VoxCPM2
Según el repositorio oficial de OpenBMB, VoxCPM2 es un sistema de texto a voz sin tokenizador: en lugar de convertir el habla en unidades discretas antes de generar el audio, genera representaciones continuas de habla mediante una arquitectura autoregresiva de difusión. El objetivo es preservar matices como el ritmo, la respiración y los cambios de emoción en mitad de la frase.
El modelo tiene 2.000 millones de parámetros, se entrenó con más de 2 millones de horas de habla multilingüe y se basa en MiniCPM-4. Acepta texto en 30 idiomas sin exigir etiqueta de idioma, incluidos portugués, inglés, español, francés, alemán, japonés, coreano, hindi y árabe, además de nueve dialectos chinos. La salida es de 48 kHz, reconstruida desde una referencia de 16 kHz por AudioVAE V2, sin un upsampler externo.
Qué hace
VoxCPM2 reúne tres flujos en un solo modelo. El primero es la síntesis directa: entra texto, sale habla, con prosodia inferida del contenido. El segundo es Voice Design, que crea una voz nueva a partir de una descripción en lenguaje natural — edad, género, tono, emoción y ritmo — sin ningún audio de referencia. El tercero es la clonación de voz: a partir de un clip corto de referencia, el modelo reproduce el timbre, con control opcional de estilo; en el modo llamado Ultimate Cloning, referencia y transcripción juntas buscan preservar aún más detalles de la interpretación original.
Para desarrolladores, el proyecto informa un factor de tiempo real en torno a 0,3 en una NVIDIA RTX 4090 en la implementación estándar, y cerca de 0,13 con aceleración por Nano-vLLM o vLLM-Omni. El ajuste fino por LoRA se presenta como viable a partir de pocos minutos de audio, según el resumen del 24 de octubre — un dato de segunda fuente, no una medición independiente de Geekiki.
Para quién importa
Para los videojuegos, el interés es directo: voces de NPC, narración y doblaje localizado pueden prototiparse sin estudio, y el portugués está entre los idiomas compatibles. Para creadores y estudios pequeños, el atractivo es el coste y el control: pesos y código bajo licencia Apache 2.0, con uso comercial permitido, y la posibilidad de ejecutar localmente en lugar de enviar cada texto a un servicio de terceros. Para la accesibilidad y la educación, la síntesis multilingüe abre el camino a la narración y la lectura en voz alta en más idiomas.
Límites y consentimiento
No todo es automático. El propio resumen que devolvió el modelo a la actualidad advierte que la salida de Voice Design varía entre ejecuciones, así que conviene generar más de una versión antes de elegir. Y hay un límite ético que no es opcional: clona solo voces que poseas o para las que tengas permiso explícito. La clonación realista sin consentimiento es justo el tipo de uso que los sindicatos de actores y actores de doblaje vienen cuestionando — un tema que Geekiki ya cubrió en octubre, con las directrices japonesas contra clones no autorizados. La tecnología facilita la voz; la responsabilidad sobre a quién imita sigue siendo de quien la usa.
Cómo probarlo
El proyecto está en el GitHub de OpenBMB, con pesos en Hugging Face, demostración pública e informe técnico. La instalación básica usa el paquete voxcpm en Python, y la documentación oficial detalla los modos de síntesis, clonación y diseño de voz. Antes de ponerlo en producción, conviene probar pronunciación, ritmo y consistencia de la voz en los idiomas de tu proyecto — las cifras de benchmark son del propio laboratorio, no de una evaluación independiente.
Fuentes
Fuentes: repositorio oficial OpenBMB/VoxCPM en GitHub; resumen Open Source Radar del 24 de octubre de 2026; informe técnico VoxCPM2; página del modelo en Hugging Face. Enlaces: OpenBMB/VoxCPM en GitHub, Open Source Radar — 24 de octubre, informe técnico VoxCPM2 y VoxCPM2 en Hugging Face.
Crédito de la imagen: logotipo de VoxCPM, publicado en el repositorio oficial OpenBMB/VoxCPM en GitHub.
Transparencia: este artículo se produjo con ayuda de inteligencia artificial, contrastando publicaciones públicas y fuentes de internet. Consulta siempre las fuentes originales antes de usar el modelo en un proyecto.
Muse
