CosyVoice 2.0

CosyVoice2.0 是一款多語言、大規模的語音生成模型，具備完整的全棧能力，涵蓋推理、訓練和部署，在語音合成領域具有重要價值。它不僅支持多語言語音生成，還能生成自然流暢、接近人聲的語音，適用於多種語言環境。

該項目由FunAudioLLM 團隊開發，並採用Apache-2.0 許可進行開源。

主要特點

多語言支持：CosyVoice 支持中文、英語、日語、韓語以及多種中文方言（如粵語、四川話、上海話、天津話、武漢話等）的語音合成。

超低延遲： CosyVoice 2.0集成了離線和流式建模技術，支持雙向流式語音合成，首包合成延遲可低至150 毫秒，同時保持高質量音頻輸出。

高準確性：相比1.0 版本， CosyVoice 2.0將合成音頻的發音錯誤減少了30% 至50%，在Seed-TTS 評估集的困難測試集上達到了最低的字符錯誤率。

強穩定性：在零樣本和跨語言語音合成中， CosyVoice 2.0確保了出色的音色一致性。

自然體驗：合成音頻的韻律、音質和情感對齊度顯著提升，MOS 評估分數從5.4 提升至5.53。

CosyVoice 2.0本地部署詳細教程

本教程將指導您在本地部署CosyVoice 2.0 ，從環境配置到模型運行，適用於Windows 用戶。

1. 下載並安裝Miniconda

Miniconda 是一個Conda 管理工具，在Windows 上安裝非常方便。下載後，像普通軟件一樣點擊Next直到完成安裝。

2. 下載CosyVoice 源代碼

從官方倉庫或指定渠道獲取CosyVoice 源代碼並解壓。

3. 創建虛擬環境並激活

打開Anaconda Prompt或CMD，輸入以下命令創建並激活環境：

 conda create -n cosyvoice python=3.8 -y
conda activate cosyvoice

4. 安裝pynini 模塊

pynini 模塊在Windows 下只能使用Conda 安裝，因此在激活的環境中運行：

 conda install -y -c conda-forge pynini==2.1.5 WeTextProcessing==1.0.3

5. 安裝其他依賴（使用阿里鏡像）

• 編輯requirements.txt

• 刪除最後一行的WeTextProcessing==1.0.3 （避免安裝失敗）

• 添加Matcha-TTS依賴

• 安裝依賴（使用阿里雲鏡像加速）：

 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

6. 完成部署

至此，CosyVoice 及其所有依賴已安裝完畢，可以開始使用。