🎨声音设计（Voice Design）← 当前模式
无需参考音频。在 Control Instruction 中描述目标音色特征（性别、年龄、语气、情绪、语速等），VoxCPM2 即可从零创造独一无二的声音。
🎛️可控克隆（Controllable Cloning）
上传参考音频，同时可选地使用 Control Instruction 来指定情绪、语速、风格等，在保留原始音色的基础上灵活控制说话风格。
🎙️极致克隆（Ultimate Cloning）
开启极致克隆模式并提供参考音频的文字内容（可自动识别）。模型将参考音频视为已说出的前文，以音频续写方式完整还原声音的每一个细节。注意：该模式将禁用 Control Instruction。
点击上传或拖拽音频文件
支持 WAV · MP3 · M4A · FLAC · OGG
生成结果将显示在这里
示例 — 点击快速填入
🗣️ 方言生成技巧
Target Text 中直接使用方言词汇和句式，Control Instruction 中描述方言特征。
✅ 正确（粤语表达）：伙計，唔該一個A餐，凍奶茶少甜！
❌ 错误（普通话原文）：伙计，麻烦来一个A餐，冻奶茶少甜！
不知道方言怎么写？可用 DeepSeek / 豆包等 AI 将普通话翻译为方言文本再粘贴。
© 2026 WisVid · 语音模型 VoxCPM2