简介说明Fun-CosyVoice 3.0 官方能力与可移动一键包介绍Fun-CosyVoice 3.0 是一款基于大型语言模型LLM的先进文本转语音TTS系统重点强化了内容一致性、说话者相似性和韵律自然性适合多语言语音合成、零样本音色克隆和风格控制等场景。相比前代方案它在可控性、自然度和实用性上都更进一步。官方程序提供了完整的能力边界而这套一键包则把这些能力做成了更容易部署、更容易迁移、也更容易上手的本地版本。它适合做快速演示、日常测试和本地稳定使用。如果你想先体验官方能力再直接切换到一键包环境这种组合方式会更实用。可用标签[breath] 短吸气、 [quick_breath] 快速吸气、 [laughter] 笑声、 laughter.../laughter 笑着说、 [cough] 咳嗽、 [clucking] 咂舌、 [noise] 噪声、 [accent] 口音、 [hissing] 气声、 [sigh] 叹气、 [vocalized-noise] 人声噪声、 [lipsmack] 抿嘴声、 [mn] 嗯声、一、先看官方程序如果先从官方程序本身来看CosyVoice 3.0 的定位非常明确它不是单纯的“把文字读出来”而是更强调“像真人一样说出来并且可以按要求说”。能力说明多语言覆盖支持中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、俄语等常用语言。方言/口音支持支持广东话、东北话、甘肃话、贵州话、河南话、湖北话、湖南话、江西话、闽南话、宁夏话、山西话、陕西话、山东话、上海话、四川话、天津话、云南话等多种中文方言/口音。零样本克隆支持多语言、跨语言零声段克隆可用少量参考音频复刻目标音色。发音修复支持中文拼音和英语 CMU 音素修复提升发音可控性。文本规范化对数字、符号、特殊格式文本有更好的处理能力。流式输出支持低延迟流式推理适合实时场景。指令控制支持通过 instruct 文本控制语言、方言、情绪、语速、音量和说话风格。官方项目地址GitHub - FunAudioLLM/CosyVoice: Multi-lingual large voice generation model, providing inference, training and deployment full-stack ability. · GitHub二、解压即用一键包这套一键包是在官方能力基础上做的本地整合重点解决“环境难配、模型难下、路径难迁移、启动步骤多”这几个问题。它的目标很直接让用户尽量少碰命令行打开就能用。项目说明本地运行环境Python 环境放在项目目录内减少对系统环境的依赖。本地模型存放模型文件统一放在项目目录下方便迁移和备份。相对路径设计启动脚本采用相对目录组织拷贝到别的机器后更容易继续使用。自动打开网页启动后直接打开 WebUI减少手动操作。官方示例整合内置官方功能示例包括预训练音色、3s 极速复刻、跨语种复刻、自然语言控制、方言示例和外语示例。说明补全补充了可用标签、instruct 文本说明、模式说明和使用注意事项。三、这个整合包能带来什么安装更省事不需要反复配置外部 Python 环境。模型和程序放在一起迁移目录更方便。官方示例可以直接切换适合快速体验。支持方言和外语示例适合测试不同语言效果。对新手更友好打开网页后按提示操作即可。四、适合哪些人想快速体验 CosyVoice 的用户。需要经常换机器、拷贝目录的用户。不想手动折腾模型和环境安装的用户。希望直接在网页里试方言、外语、风格和情绪控制的用户。五、使用方式双击启动脚本。等待依赖和模型准备完成。浏览器自动打开 WebUI。选择模式填写文本点击生成。图片预览下载地址GitHub - FunAudioLLM/CosyVoice: Multi-lingual large voice generation model, providing inference, training and deployment full-stack ability. · GitHub夸克网盘分享百度网盘 请输入提取码 提取码: 6scm