CosyVoice是阿里巴巴推出的一款支持情感控制和粤语的语音生成工具。该项目采用多语言音频生成模型，基于超过17万小时的多语言音频数据进行训练，具备多语言语音生成、音色和情感控制等功能。
开源地址：https://github.com/FunAudioLLM/CosyVoice
☞☞☞☞☞☞ 一键启动包在右侧下载 ☞☞☞☞☞☞
软件功能：
- 多语言语音生成：支持中、英、日、粤、韩五种语言的生成，效果显著优于传统语音生成模型。
- 3秒克隆音色：只需3~10秒的原始音频，即可生成模拟音色。
- 跨语言语音合成：实现不同语言之间的语音合成。
- 情感控制：支持生成具有多种情感表达的语音，包括快乐、兴奋、悲伤、愤怒等。
- 细粒度控制：通过富文本或自然语言，对生成语音的情感和韵律进行细粒度控制。
应用场景：
- 智能客服：提供拟人化的语音服务，提高客户满意度。
- 有声读物：生成高质量的有声读物，提升听书体验。
- 车载导航：提供情感化的语音导航，提高驾驶体验。
- 教育辅导：生成拟人化的语音教学内容，提高学习效果。
- 语音交互：广泛适用于各种需要语音交互的场景，提升用户体验。
配置要求：
建议电脑满足以下配置：
- 操作系统：Windows 10/11 64位
- 显卡：至少6G显存的英伟达（NVIDIA）显卡，显卡性能越高生成速度越快
如何查看显卡品牌型号和显存：
- 打开任务管理器
- 点击“性能”
- 点击“GPU”
- 右上角可以看到显卡型号，下方可以看到显存大小
使用教程：
① 打开下载页面（https://aiyy.info/cosyvoice/）点击页面右侧下载按钮，下载整合包之后解压，建议使用winrar解压（解压软件下载地址：https://www.winrar.com.cn/）
注意：文件夹路径和文件名称不要出现中文字符，否则部分软件会因识别不出而报错
② 双击“一键启动.exe”，稍等片刻会在浏览器中自动打开操作界面
③ 用训练好的声音模型直接生成音频：输入文本（每句话最后要有句号，如果最后一句话最后没有句号，则不会生成），选择“预训练音色”，选择音色模型，点击“生成音频”，生成结果位于底部，可以播放试听，也可以点击右上角下载按钮保存到指定文件夹
④ 3秒复刻音色并生成音频：输入文本（每句话最后要有句号，如果最后一句话最后没有句号，则不会生成），选择“3s极速复刻”，放入3秒参考音频（要求为干音，音频无杂音，无背景音），输入参考音频对应的文本，点击“生成音频”，生成结果位于底部，可以播放试听，也可以点击右上角下载按钮保存到指定文件夹
⑤ 跨语种复刻音色并生成音频：输入文本（文本需要和参考音频文本不同语种，每句话最后要有句号，如果最后一句话最后没有句号，则不会生成），选择“跨语种复刻”，放入3秒参考音频（要求为干音，音频无杂音，无背景音），输入参考音频对应的文本，点击“生成音频”，生成结果位于底部，可以播放试听，也可以点击右上角下载按钮保存到指定文件夹
