CosyVoice是阿里团队推出的一款强大的TTS文字转语音工具，支持3秒声音复刻，跨语种复刻，情感语音合成等功能，支持几十种语言，合成速度快，发音流畅自然，非常的强大。本软件为免费开源软件，原项目地址：https://github.com/FunAudioLLM/CosyVoice，webUI操作界面如下：
我制作了Windows版最新版一键启动整合包，操作界面如下：
目前主要4种模型，主要的就是CosyVoice-300M和CosyVoice-300M-Instruct模型
CosyVoice webUI使用方法：
1、预训练音色模式：
先输入待合成语音的文本，然后选择预训练音色，然后点击生成音频按钮。
2、3s极速复刻模式：
先输入待合成语音的文本，然后上传一段不超过30秒的prompt音频，也就是想要提取声音音色的音频，然后输入prompt文本，也就是prompt音频内容的文本，然后点击生成音频按钮。
3、跨语种复刻模式：
和3s极速复刻模式类似，只不过prompt音频要和待合成的文本是不同的语言
4、自然语言控制模式：
需要在启动程序界面选择启动CosyVoice-300M-Instruct模型，可以在instruct文本框中输入描述词如：Sad，Happy，A female speaker with high pitch, normal speaking rate, and happy emotion.等，合成的语音就会根据你的描述词调整说话语气情感，效果比较明显。
最新版CosyVoice及带音色模型训练工具的版本请查看链接：《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》
有感兴趣的可以自己去体验一下。
3秒声音极速克隆情感语音合成软件CosyVoice整合包下载链接：
相关推荐
最近更新
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...
LTX2.3+comfyui分段提示词图片转视频工作流，AI视频带货生成器
再和大家分享一个基于 ComfyUI 的 AI 分段提示词图生视频工作流，本工作流主要基于模型LTX2.3和PromptRelay实现。可使用PromptRelay分时段控制生成不同视频画面或合成语音内容。 📌 工作流简介 本工作流是一套基...
windows电脑C盘垃圾查找清理软件
电脑用了好几年了，尽管我安装软件从来不主动装到C盘，偶尔也会清理垃圾，但是用的久了，容量也是在慢慢减少。我C盘303G，现在就剩了24G了，已经会影响到系统性能和虚拟内存调度了，已经不能不管了。C盘不装软件的话大多都是缓存，文件太多了，有时...
LTX2.3+comfyui视频去除字幕水印工作流分享
本次再和大家分享一个视频去字幕水印的comfyui工作流，工作流基于LTX2.3视频生成模型制作。LTX2.3是最新最强的视频生成模型，我前段时间就分享过了，可以看我另一篇文章：https://nuowa.net/2525，comfyui项...
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
Chatterbox 是由 Resemble AI 开发的开源文本转语音（Text-to-Speech, TTS）模型，支持零样本音色克隆：只需提供一段参考音频（几秒钟的人声），即可模仿该音色朗读任意文本。我基于最新版源码制作了免安装一键启...
Mineru PDF转markdown软件局域网版
对于有的电脑配置比较低或是win7系统等电脑无法使用Mineru情况，可以使用局域网内可运行软件的电脑运行Mineru，然后其它电脑或手机等终端输入IP地址，打开运行软件的IP地址来使用Mineru。 具体用法： 下载局域网版压缩包到本地电...
OmniSVG：统一的可缩放矢量图形生成软件
OmniSVG 是一个基于视觉-语言模型（VLM）的端到端多模态 SVG（可缩放矢量图形）生成框架，由 OpenVGLab 团队开发。该项目能够从文本描述或参考图像生成高质量的 SVG 矢量图形，覆盖从简单图标...
AI实时变声器Voice Changer2.1.4 CUDA版下载，高质量RVC变声软件
Voice Changer是一款实时 AI 变声工具，允许你通过多种 AI 声音模型（如 RVC 和 Beatrice）实时转换声音。转换延迟更低，是目前社区中最受欢迎的开源实时变声方案之一。 核心特点 1. 实时性 voice-chang...
