2B参数无Tokenizer语音克隆模型开源

当前主流 TTS 路线几乎被 GPT-SoVITS、Fish Speech 等基于离散 token（如 VQ-VAE 编码）的方案主导，但 tokenization 本身会引入信息瓶颈，导致语气断裂和跨语言音色漂移。VoxCPM2 直接生成连续表征的思路与 Seed-TTS、E2-TTS 更接近，但 2B 参数量级和 200 万小时训练数据让它在开源阵营里算重兵投入。

值得注意的隐性信号：MiniCPM 团队从 LLM 向多模态语音延伸，说明小钢炮路线（小参数、高密度数据）正在复制到语音赛道。如果你在做实时语音交互（如 AI 陪伴、口语教练），之前受限于 token 延迟或克隆质量不稳定，这个架构值得对比测试。

落地提醒：项目目前热度高但社区反馈尚少，Docker 部署文档已提供，建议先测中文克隆和跨语言音色一致性，再评估是否替换现有管线。