CosyVoice

CosyVoice 是阿里通义实验室开源的语音合成模型，支持中英日粤等多语言，特色是零样本克隆只需几秒参考音频，且能通过文本指令控制情感与语速（如「带一点悲伤」）。
采用流式生成架构，延迟低，适合实时对话场景；提供 ModelScope 上的模型下载与 Python API，与 FunASR、SenseVoice 等阿里开源语音全家桶配合使用效果更佳。
适合场景：数字人口播、智能客服语音、多语言内容制作、实时语音交互。
上手方式：从 ModelScope 下载模型，pip 安装后调用 Python API 合成。