想在自己的电脑上把文字变成语音，常见麻烦不只是模型大，还要安装 Python、PyTorch，并面对偏向 NVIDIA 显卡的 CUDA 加速环境。VoxGen 想把这件事变简单：它是一款面向 VoxCPM 2 的本地 TTS（文字转语音）推理引擎，用 Rust 编写，并以 Vulkan 承担 GPU 计算。Vulkan 可适配 AMD、Intel、NVIDIA 等多家硬件，因此 AMD 用户也多了一条不依赖 CUDA 的路径。
开发者称，项目起因是其显卡运行现有方案时语音严重卡顿、GPU 占用频繁飙升；改用 VoxGen 后，AMD 显卡运行更流畅，并为 Radeon RX 7900 XTX 设计了更激进的功耗和速度优化模式。程序还能从命令行调用，便于接入其他软件或脚本。安装时只需可执行文件和两份指定的 GGUF 模型文件——一种便于本地推理部署的模型格式。目前预编译版本仅提供 Windows 版；作者也未给出速度、显存占用或音质对比数据，因此实际提升仍需更多测试验证。