CosyVoice是目前比较火的TTS文字转语音工具,具有合成情感语音的能力,语音合成效果非常好。不光可以文字转语音,还可以实现快速声音克隆,3秒声音素材即可克隆音色,而且对电脑配置要求不是很高,英伟达显存2G以上电脑都能带动。是一款比较不错的免费的语音合成工具。之前和大家分享过一次CosyVoice,语音合成详细介绍可以看之前的文章《3秒极速声音克隆软件CosyVoice整合包下载,声音复刻情感语音合成TTS文字转语音工具》,上次分享的整合包没有训练音色模型的功能,这次把这个功能添加进去了。只需要3-10秒的音频素材,即可快速训练出自己的音色模型,同时自己训练的音色模型也支持Instruct模型情感语音合成。

主要讲一下如何创建自己的音色模型,以便用自己的音色进行情感语音合成。
先到我网盘里将CosyVoice.7z压缩包下载到电脑上解压,这个是主程序,是更新到了最新版本的,以前分享的那个版本有点旧。然后将pretrained_models.7z模型压缩包下载到CosyVoice文件夹内解压,这样程序就准备完成了。注意模型文件夹的目录结构是CosyVoice文件夹下pretrained_models文件夹,再下面是CosyVoice-300M等具体模型名字,不能有过多的嵌套,文件夹层级错误的话会报错模型不存在。
准备一段3-10的纯人声wav音频文件,文件夹的名字就是你想要生成的模型的名字,比如你想生成的音色模型名为LiuYifei,那么文件夹名字就需要命名为LiuYifei,将wav音频文件放进去。
在音色训练工具里选择这个文件夹,或是将这个文件夹拖到程序窗口中,然后点击训练音色模型按钮即可开始训练自己的音色模型,等到终端窗口中提示:训练完成,按任意键继续…就说明训练完成了
使用前先处理一个问题,打开如下路径:C:\Users\你的电脑用户名\.cache\modelscope,将文件夹内的ast_indexer文件删除,然后再启动软件,否则软件会报错
重新启动软件webUI界面,就可以看到自己的声音模型了。你可以使用你自己的声音在Instruct模型中进行情感语音合成了。
注意:当前版本在情感语音合成功能中,中文男声语音合成功能存在缺陷,合成的中文男声音频声音会有近似女声的问题,如果只是用于情感语音合成男声音频的话,不建议使用当前版本,可以等待使用后续优化版本。
cosyvoice 2.0版本发布,文章链接:《文字转语音神器工具CosyVoice 2.0整合包下载,声音克隆情感语音软件》
CosyVoice情感语音合成软件及音色模型训练工具整合包下载链接:
相关推荐
带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载
超逼真对话型文字转语音软件Dia-1.6B免安装一键启动整合包下载
文本转语音及声音克隆软件Spark-TTS整合包下载
文字转语音神器工具CosyVoice 3.0整合包下载,声音克隆情感语音合成软件
3秒极速声音克隆软件CosyVoice整合包下载,声音复刻情感语音合成TTS文字转语音工具
免费离线TTS文字转语音工具clone-voice整合包下载,声音克隆软件克隆自己的声音
免费文字转语音软件EmotiVoice整合包下载,TTS情感语音合成工具
免费TTS文字转语音合成软件GPT-SoVITS v2ProPlus整合包下载,AI声音克隆软件
最近更新

Apple苹果3D 高斯(3DGS)模型ply文件生成器,图片转3D模型软件下载
ml-sharp是Apple苹果团队开发的一款3D高斯(3DGS)生成器,可将图片生成3D效果的ply文件。我基于当前最新版本制作了免安装一键启动整合包。 ml-sharp官方介绍 我们提出了 SHARP,这是一种从单张图像进行照片级逼真视...

字节跳动Dolphin图片文档解析工具免安装一键启动整合包下载,PDF转JSON/Markdown软件
本次再分享一个由字节跳动团队开发的一款图片文档解析工具Dolphin,支持解析表格、公式、文本、代码块等元素,支持图片和PDF文档转为Markdown和JSON格式文件,当前为最新发布的V2版本,各项功能效果都得到较大提升。 Dolphin...

微软最新图片转3D网格模型软件TRELLIS.2 windows版整合包下载,AI一键建模工具
上个月微软发布了图片转3D网格模型软件TRELLIS的2.0版本。之前1.0版本非常受欢迎,当前2.0版本功能更强大,效果更好。我制作了最新windows版免安装一键启动整合包。 TRELLIS.2官方说明 TRELLIS.2 是一款最先进...

FunASR最新模型FunAudioLLM/Fun-ASR-Nano-2512实时语音识别转文字热词版整合包下载
Fun-ASR-Nano-2512是阿里通义实验室前天刚发布的最新最强的一款语音识别转文字模型,支持31种语言,延迟低,在某些专业领域表现出色。我基于FunAudioLLM/Fun-ASR-Nano-2512模型制作了最新实时语音识别转文字...

Crawl4AI:基于AI大语言模型的网络爬虫和数据抓取工具整合包软件下载
Crawl4AI是一款基于AI大语言模型能力的网络爬虫和数据抓取软件,可以将网页转换为简洁、符合 LLM 规范的 Markdown 格式,适用于 RAG、代理和数据管道。它速度快、可控性强。 Crawl4AI官方介绍 开源的 LLM 友好型...

browser-use浏览器任务全自动化AI助手windows电脑版一键启动整合包
本次再和大家分享一个非常牛逼的AI助手软件:browser-use,别问哪里牛逼,反正很多人都在用,社区starts高达72.8K,火遍全球的deepseek 100K,browser-use 72.8K,就问你火不火。之前我也分享过其它类...

FlashVSR低分辨率模糊视频高清放大工具整合包v1.1下载,免安装一键启动
FlashVSR-一款高性能可靠的视频超高分辨率放大工具。迈向基于扩散的实时流式视频超分辨率——一种高效的单步扩散框架,用于具有局部约束稀疏注意力和小型条件解码器的流式VSR。 FlashVSR官方介绍 扩散模型最近在视频修复方面取得了进展...

VibeVoice:富有表现力的长篇多人对话语音合成工具整合包下载
VibeVoice是微软开发的一款富有表现力的长篇多人对话语音合成工具。支持1-4个发音人,支持声音克隆自定义音色合成语音,我制作了最新的本地免安装一键启动整合包及云端在线版。 VibeVoice介绍 VibeVoice:一种前沿的长对话文...

多图编辑人物一致性图片合成处理工具Qwen-Image-Edit-2509整合包下载,人物换装换姿势动作软件
Qwen-Image 是一个功能强大的图像生成基础模型,能够进行复杂的文本渲染和精确的图像编辑。Qwen-Image-Edit-2509是Qwen-Image-Edit的月度更新版本,增加了多图编辑和单图一致性生成功能。 Qwen-Imag...
摸鱼神器windows电脑隐藏任务栏软件图标工具rbtray下载
本次和大家分享一个摸鱼神器rbtray。 windows电脑软件运行的时候会在屏幕底部的任务栏上有一个软件图标,如果你开了哪个软件又不想被别人看到你正在运行这个软件的话,那么这个神器rbtray就非常适合你了。 rbtray可以快速将软件图...











