cosyvoice由阿里云推出的开源、高拟真度的AI语音合成app，支持中、英、日、韩等多国语言，还能驾驭粤语、四川话、上海话、天津话等多种方言，只需要上传一段几分钟的清晰音频样本，就能生成与你或目标音色高度相似的克隆语音，支持流式语音合成，延迟最低可达150毫秒，可以像真人一样，带有快乐、悲伤、愤怒、恐惧等多种情感，你可以自由调整语速、音调、音量，在合成语音的同时，还能输出每个字的对应时间点，语音自然度评分很高，听感非常接近真人，支持Python、Java等多种编程语言，可轻松与企业级应用整合，提供不同模型版本，你可以自由修改、扩展。

官方网址：https://qwentype.com/

cosyvoice怎么注册登录使用

1、打开cosyvoice，在隐私协议和用户协议提示界面点击同意。

2、输入手机号，验证码，勾选未注册手机号验证通过后将自动注册，已阅读并同意用户协议和隐私协议，点击登录即可。

cosyvoice软件功能

1、提供点击和长按两种互动模式，使讲话变得更加自然。

2、发音校订，辨识口语中的错误，并能在最后完成时自动套用，不会有任何更改。

3、结构化内容，整理成编号列表、表格或大纲，条理清晰，可直接发送。

4、指令理解，指令输入，一键成稿，支持邮件、会议、笔记等多种指令。

5、能智能感知你的输入指令，提供更准确的用语和更自然的交互反馈。

cosyvoice软件优势

1、快速准确

反应时间为毫秒级，识别率达98%以上，无延时实时切换。

2、大型模型的自动校正

AI智能校正功能，能自动辨识和纠正错误，使书写更加精准、顺畅。

3、数据安全

零云端数据、您的数据绝对安全，隐私无忧。

4、方言多样性

支持全国多种方言识别，粤语、四川话等，应有尽有。

5、数字、公式、单位都帮你写对

口播中的「三点五八亿」「百分之十二点六」自动还原为「3.58 亿」「12.6%」，还能识别公式表达并补齐符号，金融、科研、媒体场景都能直接用。

cosyvoice常见问题

声音克隆需要多少音频素材？

通常建议提供5分钟以上、清晰无杂音的音频样本，克隆效果会更好。

参考音频有什么要求？

参考音频时长不能超过30秒（某些功能限制），且内容需与文本一致，否则可能吞字。

支持哪些情感？

目前支持中立、恐惧、愤怒、悲伤、惊讶、快乐、厌恶等多种情感，可以通过指令或参数控制。

生成的音频断句不自然怎么办？

可以在文本中加入句号来标记断句位置，AI会根据标点符号进行停顿。