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。
CosyVoice 2.0更新说明
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.exe】，稍等一会即可启动webUI界面。软件主要有下面4项功能：
3s极速复刻
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。
跨语种复刻
可将音频样本素材音色提取出来，用于其它语言的文字转语音，比如你的音频是中文语音，可以提取这个语音音色用来合成英文或是其它语言的语音
情感音效
可以在合成语音时指定加入[laughter]情感词，来合成人物情感音效。
自然语言控制
合成语音时可输入instruct文本来生成带有指定情绪的语音，比如高兴，难过，生气等，也可以生成指定方言的语音，如指定生成四川话，广东话等。
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。输入待合成文本，如果是自然语言控制的话再输入instruct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。
视频教程及效果演示：https://nuowa.net/1727
注意事项
软件运行路径中不要有非英文字符及空格
音频样本素材起始和结束部分不要有太长的空白，否则合成语音可能会有杂音。
待合成文本的每句话长度及标点符号，都会对合成音频效果有影响，这个可以自己多合成多测试就能体会到。
如果电脑开启了代理软件，请先关闭，否则可能会导致打开不开webUI界面。
未测试最低电脑配置要求，建议英伟达显卡显存4G或更高用户使用
整合包只支持Windows 10或11系统
声音克隆及语音合成工具CosyVoice 2.0一键启动包下载地址
https://pan.quark.cn/s/f911d9ec176c
