跳到主要内容Skip to main content
语音与音频特定场景

CosyVoice

FunAudioLLM / CosyVoice

零样本语音合成与音色克隆,支持多语言与情感控制。

24.4k stars 2788 forks Python 语言 Apache-2.0 许可 最近推送 2026-05-25

为什么选

  • 中文 TTS 自然度与音色相似度表现好。
  • 支持零样本与跨语言合成。
  • 开源权重与训练代码完整。

不适合

声音克隆有授权与滥用风险,必须取得同意。
实时低延迟要额外优化。

许可与使用边界

GitHub 快照显示许可为 Apache-2.0。开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。

替代与相邻

  • GPT-SoVITS — 特定场景,少样本语音克隆与 TTS,1 分钟数据即可微调,带 WebUI。
  • ChatTTS — 轻量,面向对话场景的 TTS,韵律自然,支持中英文与笑声等副语言。
  • Fish Speech — 特定场景,多语言 TTS 与音色克隆,强调少样本、跨语言与情感表达。

下一步

  • 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
  • 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
  • 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。

GitHub 仓库 ↗ 文档 ↗ 加入对比

快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。