独立开发者基于 VoxCPM 实现低延迟实时语音对话

OmniTools 8月7日消息，独立开发者叶小叔利用面壁智能开源的语音模型 VoxCPM，成功克隆某千万粉丝网红的声音，并构建了 STT → LLM → VoxCPM（TTS）三段式实时对话系统。该方案 TTS 首包延迟低于 1 秒，端到端响应体感为 2 至 3 秒。