VoxCPM2可控克隆：分开音色参考与风格引导，避免把续说模式当同一接口

素材身份：作者原创输入/可编辑参考。目标工具未在本轮执行。
先打开 index.html；input.csv 是原始字段，reference.csv 是验收基准，negative.csv 是故意构造的坏样例。
actual-results.csv 保留未测状态，实际执行后再填写。

前置条件：
仅使用本人授权或合成参考声音，不模仿未授权真人。
核对VoxCPM2官方包、设备和依赖；目标模型未在本轮执行，作者参考录音与待测输出分别保存。
练习包提供口述脚本、规则与验收数据，不附目标工具生成录音。按录音说明自行录制有权使用的输入，并在运行后保存实际音频。

操作步骤：
1. 准备授权参考与新台词
保存只含一位授权或合成说话人的短参考录音，并逐字记下它的内容。另存完全不同的目标句，避免把复读参考误听成成功。

2. 核对VoxCPM2及运行设备
记录模型标识openbmb/VoxCPM2、包版本与当前device。官方示例设备支持需按已安装版本核对，没有满足条件就只做参数与素材准备。

3. 先运行参考音色模式
按当前官方API把参考路径放到reference_wav_path，text只填新台词。不要为这轮无意附加prompt_wav_path与prompt_text，后者属于音频续说式配置。

4. 单独加入风格前缀
保持参考与目标文字不变，只在text开头加入括号里的slightly faster, cheerful tone。把配置另存，不能同时换参考、seed和台词再归因风格。

5. 逐字与分句回听
比较两版是否都完整读出时间和not approved，检查风格提示是否被念出来。音色接近只是观察，不用主观感觉捏造相似度评分。

6. 与Ultimate配置分栏
把reference-only和需准确参考逐字稿的Ultimate参数分别列出。若要后续比较续说模式，另建实验记录，不把不同输入机制混成一个结果。

7. 交付可重现的参考清单
保存授权范围、参考SHA、目标台词、两份参数和实际音频。作者本地合成参考仅是输入，未执行VoxCPM时不放进目标输出栏。

验收：
两版文字都含not approved，不以快慢风格代替事实核对。
保留同一个参考音频校验值和独立控制前缀。
明确reference-only与prompt audio+exact transcript续说模式不同。

官方资料：
https://github.com/OpenBMB/VoxCPM

图片身份：assets/ 为内置image_gen生成的原创练习输入缩略版，原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。