Aitishiku.com
TTS开源语音阿里 多模态模型
CosyVoice（阿里开源 TTS） CosyVoice 2
CosyVoice系列 · 阿里（FunAudioLLM） · 2024-04发布
模型介绍
阿里开源语音生成模型 CosyVoice，零样本语音克隆、多语种支持，音色自然，Apache-2.0 可商用。
模型基础信息
模型系列CosyVoice系列
开发机构阿里（FunAudioLLM）
发布时间2024-04
参数规模约 2B
上下文窗口文本转语音
模型类型文本转语音
中文能力优秀
使用方式网页体验 / API调用 / 本地部署
免费额度与收费政策
开源免费
免费规则详情
Apache-2.0 可商用。
收费标准简介
本地零成本。
模型能力介绍
✅ 核心优势
- 零样本克隆
- 多语种
- 自然度高
- pache
⚠️ 短板与局限
- 需一定显卡
- 情感控制有限
- 长音频一般
🎯 适用场景
- 语音合成
- 有声书
- 语音克隆
- 配音
模型使用教程
本章节整理 CosyVoice（阿里开源 TTS） 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。
输入文本或音频生成语音 / 音乐。
示例：为文案生成配音「欢迎使用 AI 语音合成」
注册 阿里（FunAudioLLM） 账号获取 API Key。
export API_KEY=sk-xxxx上传音频或文本，返回合成结果。示例见 阿里（FunAudioLLM） 官方文档。
CosyVoice 是阿里开源的 TTS 模型，CosyVoice2（0.5B）约 6-8GB 显存即可运行。
- 克隆仓库：
git clone --recursive https://github.com/FunAudioLLM/CosyVoice && cd CosyVoice - 安装依赖：
pip install -r requirements.txt（建议 Python 3.10 + CUDA）。 - 将权重放到 pretrained_models/（用 hf-mirror 下载 CosyVoice2-0.5B，约 2GB）。
- 零样本克隆合成（中文女声）：
python cosyvoice/run.py --mode sft --llm CosyVoice2-0.5B --text "你好，欢迎使用 CosyVoice" --spk bailing
- 试听与更多音色：项目 examples 目录带示例音频，可直接替换参考音频做克隆。
Tips：js/trt 加速可选，一般 CPU/单卡即可稳定合成。
💡 使用小技巧
中文音色效果好。
❓ 常见问题 FAQ
Q1：CosyVoice 能克隆声音吗？\nA1：支持零样本克隆。
访问备注与注意事项
- 权重 hf-mirror 可下