热门文字转语音应用CosyVoice发布2.0了，CosyVoice是一个非常强大的语音合成工具，提供文字转语音、声音克隆和情感语音合成控制功能。这是一个由阿里团队推出的应用，在免费声音克隆和语音合成软件中，算是比较不错的一款应用了。合成的语音非常的自然，不会像以前其它软件那么的僵硬。从1.0版本我就分享过了，可以查看我以前分享的文章《CosyVoice情感语音合成软件一键启动整合包，带音色模型训练工具》。我把这个2.0版本也做了一个一键启动整合包，并制作了一个适用2.0版本的UI界面。
2026-02-01 更新CosyVoice 3.0
CosyVoice 3.0说明
Fun-CosyVoice 3.0 是一个基于大型语言模型 (LLM) 的高级文本转语音 (TTS) 系统，在内容一致性、说话人相似度和韵律自然性方面超越了其前身 (CosyVoice 2.0)。它旨在实现零样本多语种野外语音合成。
主要特点
- 语言覆盖范围: 涵盖9种常用语言（中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、俄语），18种以上的中文方言/口音（广东话、闽南话、四川话、东北话、陕西话、山西话、上海话、天津话、山东话、宁夏话、甘肃话等），同时支持多语种/跨语种零样本语音克隆。
- 内容一致性和自然性: 在内容一致性、说话人相似度和韵律自然性方面达到最先进的性能。
- 发音修复: 支持中文拼音和英文CMU音素的发音修复，提供更多可控性，因此适用于生产使用。
- 文本规范化: 支持读取数字、特殊符号和各种文本格式，无需传统的前端模块。
- 双向流处理: 支持文本输入流和音频输出流，并在保持高质量音频输出的同时实现低至150毫秒的延迟。
- 指令支持: 支持多种指令，如语言、方言、情感、速度、音量等。
CosyVoice 2.0说明
CosyVoice 2.0相比1.0版本，新版本语音生成更准确、更稳定、更快速、功能更强大。
多种语言
支持语言：中文、英文、日语、韩语、中国方言（粤语、四川话、上海话、天津话、武汉话等）
跨语言和混合语言：支持跨语言和代码切换场景的零样本语音克隆。
超低延迟
双向流支持：CosyVoice 2.0 集成了离线和流建模技术。
快速首包合成：实现低至 150 毫秒的延迟，同时保持高质量的音频输出。
高精度
改进发音：与 CosyVoice 1.0 相比，发音错误减少了 30% 到 50%。
基准测试成果：在Seed-TTS评估集的硬测试集上取得最低的字符错误率。
稳定性强
音色一致性：确保零样本和跨语言语音合成的可靠语音一致性。
跨语言合成：与 1.0 版本相比有显著的改进。
自然体验
增强韵律和音质：改进了合成音频的对齐，将 MOS 评估分数从 5.4 提高到 5.53。
情感和方言灵活性：现在支持更细致的情感控制和口音调整。
CosyVoice整合包使用说明
首先到网盘内将压缩包下载到电脑上解压，然后双击运行【启动软件.bat】，稍等一会即可启动webUI界面。软件主要有下面4项功能：
0样本复刻
只需提供一段3秒的音频素材，即可克隆音色，并使用这个音色进行文字转语音操作。声音音色克隆效果非常好，非常逼真。
支持跨语种复刻。
指令控制
通过自然语言指令控制生成语音的风格、语种或语速。如生成各地方言，各种情绪等。
高级控制
直接构建完整的 Prompt 字符串。适用于：
- 插入
[breath],[laught],[noise]等标签。 - 拼音修正 (Hotfix)，如
[j][ǐ]。 - 日语合成（需输入片假名）。
所有功能都要依赖于音频样本，所以你首先需要先导入一个3-5秒的prompt音频文件和prompt文本。设置完成后可以点击下方生成音频按钮来合成语音，语音生成完成后可点击预览播放音频，也可以点击音频右侧的下载符号按钮下载音频结果。
注意事项
软件运行路径中不要有非英文字符及空格
未测试最低电脑配置要求，建议英伟达显卡显存4G以上用户使用
整合包只支持Windows 10或11系统
日语文本必须手动转换为片假名输入。
声音克隆及语音合成工具CosyVoice 3.0一键启动包下载地址
相关推荐
多人对话声音克隆语音合成工具Chatterbox TTS免安装版，AI实时文字转语音- 阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
- 阿里Qwen3-TTS高质量声音克隆语音合成系统，AI视频配音多人对话生成工具
- 【免安装/解压即用】支持600+语言的神级TTS！OmniVoice 零样本语音克隆一键整合包发布
- VibeVoice：富有表现力的长篇多人对话语音合成工具整合包下载
- 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
- 抖音出品高质量声音克隆文字转语音合成软件MegaTTS3整合包下载
- 高质量高性能文本转语音系统index-tts2整合包下载，高效声音克隆软件
最近更新
Claude居然自称“本人”
今天在和Claude聊网文写作的时候，Claude回复中居然自称本人，这让我有点震惊。 我经常会和AI聊工具功能对比等话题，ChatGPT、Gemini、Claude这些以前我记得从来没有自称过本人的，好像都是本模型，本工具等等，反正从来没...
图像无损放大神器：Topaz Gigapixel AI软件下载及使用指南
在数字内容创作成风头的今天，我们经常会遇到低分辨率素材模糊、AI 生成图片尺寸太小、或者老照片充满噪点的情况。传统的图像放大方式（如双三次插值）只是单纯地拉伸像素，容易让画面变得模糊、虚化。 如果你正在寻找一种能“凭空”补齐细节、让低画质瞬...
AI视频提示词反推工具，参考视频即梦提示词一键生成
本工具是一款面向 AI 视频生成创作者的本地离线辅助软件。用户导入任意视频文件，工具会自动完成场景检测、关键帧提取、多模态模型分析、提示词拼装等全流程，最终输出一份可直接复制粘贴到即梦 AI 等视频生成平台的完整提示词。 适用场景 功能特点...
免费在线HTML转markdown工具
经常看一些在线文档，想复制给AI参考的话不方便直接复制，转换成markdown再给AI阅读会更简单明了，也方便自己查阅，这里给大家推荐两个在线的免费HTML转markdown网站。 1、https://d1tools.com/tools/c...
闲鱼自动回复机器人XianyuAutoAgent下载，24小时在线智能客服机器人系统
XianyuAutoAgent是一款面向闲鱼平台的智能化自动回复机器人，利用大语言模型自动识别买家意图并生成专业回复，实现 7×24 小时智能客服。 主要功能 1. 智能自动回复 2. 可视化 Web UI 3. 人工接管模式 4. 安全防...
AI漫剧制作即梦seedance2.0教程及提示词2026年5月最新版分享
AI视频依旧持续火爆，各种类型的AI视频层出不穷，视频效果也是越来越好，甚至快接近影视级，目前最主要的AI视频生成工具还是即梦，即梦 Seedance 2.0生成视频一秒钟都到2块多钱了😂，不过也没办法，还是得用，目前还没能有替代即梦see...
AI实时语音聊天对话系统，外语口语陪练/虚拟好友实时语音交流
AI 实时语音对话系统 是一款集语音识别（ASR）、大语言模型（LLM）对话、语音合成（TTS）于一体的实时语音交互软件。用户通过麦克风说话，系统自动识别语音内容并转为文字，交由 AI 角色进行智能回复，最终将回复内容合成为语音实时播放，实...
ComfyUI 三参考图生图工作流，虚拟试衣、换脸、图片内容整合
本工作流核心能力是将三张不同角度、内容的参考图，通过 AI 理解融合，生成一张新的图像，新图像内容根据描述词指令生成。工作流集成了阿里巴巴的 Qwen2.5-VL 多模态大模型（图像编辑版本）与 SeedVR2 超分辨率放大模型，实现了「理...
comfyui CUDA128+torch 2.8.0+python3.12最新纯净版一键启动整合包
comfyui官方发布的最新版便携包是基于torch 2.11+CU130 +Python 3.13版本制作的，Python版本和torch版本都太新了，windows电脑上安装某些节点的时候会有冲突报错，有时候就算能安装上也会比较麻烦，感...
LTX2.3+comfyui音频驱动视频生成工作流
这是一个基于 ComfyUI 的 LTX 2.3 音视频同步生成工作流，核心功能是上传一段音频 + 参考图片（可多张图），自动生成与音频内容对应的视频，适合制作人物说话、唱歌等口型同步视频。工作流使用8位量化版ltx2.3模型，显存需求降低...
