AI 配音不用再按字付费，让 AI Agent 在你电脑上装一个免费配音员

你会得到什么

把开源的 VoxCPM2 装进自己电脑，当成一个随叫随到的配音员。打一段字就出声音，用一句话描述就能"捏"出一个新音色，给一小段你自己的录音就能用你的声音说话。全程在本机跑，不按字收费，代码和模型都可以免费商用。文中有 3 段可以直接复制给 AI Agent 的提示词。

安装、排错交给你的 AI Agent，你只管写稿和挑声音。 最好有一张 NVIDIA 显卡，Mac 也能跑，就是慢一些。

第 1 步：先在线听一听

不用装任何东西，先确认它的声音是不是你要的。官网首页列了一排试听样例，有不同语言的播音腔，也有游戏角色、生气的语气和播客风格。想自己打字试，可以用官方放在 Hugging Face 上的在线体验页。

它支持 30 种语言，中文还包括四川话、粤语、东北话等多种方言，不用告诉它是哪种语言，直接打字就行。

第 2 步：让 AI Agent 装好，打开网页版

VoxCPM2 自带一个网页界面，装好后在浏览器里打字、点按钮就能用，不用碰代码。安装交给你的 AI Agent：

我想在这台电脑上用开源的 VoxCPM2 做配音（https://github.com/OpenBMB/VoxCPM）。请帮我：
1. 先读 README，检查我的电脑：有没有 NVIDIA 显卡、显存多大，没有的话是不是苹果芯片的 Mac，Python 版本是否在 3.10 到 3.12 之间。用大白话告诉我能不能跑、大概会多快。
2. 要装的东西先列出来，等我同意再装。模型第一次会自动下载，下载前告诉我大概多大。
3. 装好后启动它自带的网页界面，告诉我在浏览器里打开哪个地址，以及用完怎么关掉。
4. 只在本机运行，不要把端口开放到外网。

显卡和 Python 版本不对，装到一半才报错最费时间，先检查能省掉大部分折腾。网页界面只给你自己用，开在外网等于谁都能拿你的电脑生成声音。

第 3 步：一句话"捏"一个声音

在网页里打字时，在句子最前面用括号写上你想要的声音，它就按描述生成一个全新的音色，不需要任何录音。描述越具体越好，性别和年龄、语气和情绪、语速都可以写。

可以这样写：

(三十岁左右的女声，温和沉稳，语速适中，像在给朋友讲故事)今天我们来聊聊，怎么把一件复杂的事讲简单。

同一句描述多生成几次，挑最满意的那条留着。描述写好了就存下来，以后每期视频用同一句，声音就能保持一致。

第 4 步：用你自己的声音说话

上传一段你自己的清晰录音，它就能学会你的音色，再用你的声音念任何新稿子。还可以在句子前加括号调整说法，比如"(语速稍快，开心一点)"。

想要更像，录音之外再附上这段录音的逐字稿，它会把你的语气、停顿和说话习惯也学进去。

录音要在安静的环境里，只有一个人说话，也别有背景音乐。用手机在安静的房间里录一段就行。

第 5 步：一整篇稿子批量配好

单句在网页里点就够了，一整篇视频稿或者播客稿，就交给你的 AI Agent 批量做：

这段关键内容需要登录后解锁

新用户注册就送 10 积分，每天签到再领 1 积分。用 1 积分解锁，以后随时回来都能看。

几处写法的用意：

先听第一段：音色不满意时只浪费一段，不用等整篇生成完才发现。
读错的只重做那一段：数字和英文缩写最容易念错，多音字也是，单独重做比整篇重来快得多。
固定同一个声音：用同一句描述或同一段录音，整篇听起来才像同一个人。

注意

只克隆你自己的声音，或者本人明确同意的声音。 官方明确禁止用它冒充他人、诈骗或造谣。发布时注明是 AI 生成的配音。
第一次运行会下载模型，需要一些时间和硬盘空间。按官方的数据，N 卡上大约需要 8GB 显存。没有 N 卡的 Mac 也能跑，速度会明显慢一些。
代码和模型是 Apache-2.0 许可，可以免费用在商业项目里。
长稿子一次生成容易越说越飘，按段落生成再拼起来更稳。

参考

GitHub：OpenBMB/VoxCPM（Apache-2.0）
官网：voxcpm.com
在线体验：Hugging Face 上的 VoxCPM Demo

想让 AI Agent 直接按规矩替你配音，可以把 VoxCPM Skill 交给它。只想先了解它能做什么，看案例在自己电脑上免费跑 AI 声音合成。