CosyVoice

给视频配多语言旁白，常见的难题是机械腔和换语言就变声。CosyVoice 是通义实验室出品的语音生成大模型，只要几秒参考音频就能复刻音色，并用同一把声音说不同语言，提供推理、训练和部署的完整代码。支持流式输出，适合需要低延迟的对话和配音场景。Apache-2.0 协议。

软件功能

零样本音色复刻：给一小段参考音频即可模仿音色。

多语言与方言：支持中英日韩等语言和多种中文方言。

情感与指令控制：用文字指令调节语气、语速和情感。

流式合成：边生成边输出，首包延迟低。

全栈代码：推理、训练、部署工具齐全。