跳到正文

CosyVoice

多语言大型语音生成模型,覆盖推理、训练与部署

访问官网

CosyVoice 是什么

CosyVoice 被介绍为一个多语言的大型语音生成模型,提供从推理到训练再到部署的全栈能力。该模型由 FunAudioLLM 团队开发,使用 Apache-2.0 许可证,能生成自然流畅、接近真人的语音。

你可以用它做什么

  • 生成中文、英文、日语、粤语和韩语等多种语言的语音
  • 进行零样本、跨语言和指令式推理
  • 通过 SFT 声音风格转换模仿特定的声音风格
  • 借助 Web 界面快速演示,或用 Docker 部署模型

应用场景

  • 创建多语言虚拟助手,为用户提供咨询和帮助
  • 集成到教育软件,为不同语言的学习者生成教学内容语音
  • 在企业内部系统生成多语言的自动语音通知或提醒

上手流程

  • 把 CosyVoice 代码库克隆到本地环境
  • 按安装指南安装所需的依赖和环境
  • 下载并安装预训练模型,或按提供的脚本从头训练自己的模型
  • 通过示例脚本或 Web 界面进行语音生成的推理测试

优点与缺点

✓ 我们认可的地方

  • 全栈脚本覆盖推理、训练与部署
  • Web 界面可用于快速演示

! 需要留意的地方

  • 推理以零样本、跨语言和指令式三种方式提供
  • 使用起点是克隆代码库并安装依赖与环境

常见问题

支持哪些语言?

资料列出中文、英文、日语、粤语和韩语等。

全栈能力指什么?

资料说明涵盖从推理到训练再到部署,并提供训练脚本和推理脚本。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法