VoxCPM2：用声音设计和参考录音，找到合适的旁白

先选声音从哪里来

你可能已经写好了旁白，却还没有一个合适的声音；也可能有一段自己的录音，希望把同样的声音用于新稿。这两种情况需要准备的素材不同。VoxCPM2 提供文字生成、声音设计和参考声音克隆几条路径，可以按你手里的素材来选。

没有参考录音时，先用文字描述音色和说话方式。有录音时，先检查人声是否清楚，再试听克隆结果。如果两个人物要在同一段作品里对话，分别保存和测试声音，避免只凭名字把两个听起来很接近的音色分给不同角色。

怎样理解官方的几个关键词

官方列出 30 种语言、基于描述的声音设计、可控声音克隆，以及原生 48kHz 输出。这里的语言数量说明覆盖范围；采样率描述音频输出规格。它们都不能单独判断一段旁白是否自然，仍要听发音、句子重音和停顿。

可控克隆是在参考声音的基础上尝试引导表达。参考录音里急促的语气、很强的背景声或特殊的口音，仍可能影响结果。描述应当先从一个具体方向开始，例如“保留音色，语速稍缓，像在解释一个步骤”，再比较是否真的听到了变化。

准备一段能暴露问题的试听稿

不要只用一句“你好，欢迎收听”。把作品中最容易读错的内容提前放进短测试里。例如下面这段原创示例，同时包含数字、转折和问句：

今天先完成第十二章。车票是下午三点二十分的，我们还来得及吗？别急，先把桌上的蓝色笔记本带上。

固定测试文字，先选音色；再固定音色，调整表达。检查数字有没有读对，问句是否有合理起伏，以及人物语气是否和上下文一致。试听稿通过后，再用正式作品的第一段复查一次。

在 Sonano 里保存并复用

1. 在模型库准备 VoxCPM 2，进入对应的声音设计或克隆流程。
2. 输入声音描述，或选择获得授权的参考录音；先生成短样本。
3. 试听后把合适的声音保存到声音库，再在语音工作流中选择模型、输出语言与声音。
4. 用于对白时，先生成一段角色交替的短对话；用于有声书时，先检查一个章节。

Sonano 官网现有的对白与叙事样音使用 VoxCPM2，可在首页作品展示试听。那些是固定文本和声音的成品示例，不能代替你自己的语言、角色和 Mac 上的测试。

什么时候值得和另一个模型对照

如果主要问题是找不到合适的音色，先改声音来源；如果音色合适但个别词不稳，先检查稿件与读法。换模型时保留同一段测试文字，把声音清晰度、角色气质和修改次数一起比较。

已经熟悉 Qwen3-TTS 的读者可以继续看三个 Qwen3-TTS 入口的区别。模型介绍和实际可选项见VoxCPM 2 模型页。