VoxCPMは、音声を離散トークンへ変換せず、拡散自己回帰モデルによって連続空間で音声を直接生成するオープンソースのテキスト読み上げ（TTS）システムです。従来のトークナイザーに起因する量子化損失を排除し、MiniCPM-4を基盤として48kHzの高音質出力と30言語以上の多言語合成に対応します。数秒のリファレンス音声から声質を再現するゼロショット音声クローニングや、文脈に応じた抑揚表現が可能です。オーディオブックやゲーム開発、多言語コンテンツ制作を手がける開発者向けに、自社環境へ組み込める表現力の高い音声合成基盤を提供します。