Канал «Бэкдор» утверждает, что VoxCPM2 клонирует голос по «паре секунд аудио» и создаёт «живой звук». Это формулировки автора поста, а не подтверждённые результаты теста.
В README OpenBMB описаны 30 языков, создание голоса по текстовому описанию и клонирование по короткому аудиореференсу. Для режима Ultimate Cloning разработчики указывают также расшифровку референса. Конкретная длительность аудио для клонирования в README не указана.
Для локальной установки README перечисляет Python 3.10–3.12, PyTorch от 2.5.0 и CUDA от 12.0. Там же разработчики заявляют RTF около 0,3 на NVIDIA RTX 4090 и около 0,13 с указанными ускорителями, а также вывод в 48 кГц. Независимых тестов качества и скорости в доступных материалах нет: эти показатели не стоит считать подтверждением «студийного» результата или гарантией скорости на другой конфигурации.
