CosyVoice
3 秒零样本语音克隆
版本： v1.1.0
大小：17.25M
语言：简体中文
类型：系统工具
授权：免费
更新：2026-07-03 09:33
厂商：通义云启（杭州）信息技术有限公司
包名：com.tongyi.funaudio.cosyvoice
MD5：9a7d0a655ee8b31e1b30adc3f8c1ce2c
系统要求：需要支持安卓系统5.2以上
CosyVoice是阿里巴巴通义实验室推出的开源多语言语音生成大模型，只需要一段 3 秒干净无杂音的人声音频，不用额外训练微调，就能高度还原原声音色，用中文样本也能生成英文、日语语音。还能自由控制情绪、语速，开心、低沉、带笑意的语气一键切换，生成语音几乎没有机械感。
CosyVoice怎么用
1、打开CosyVoice app，完成注册登录。
2、根据app内指引，完成系统输入法切换设置。
3、点击任意输入框，即可唤起CosyVoice键盘。
4、键盘界面中央设有独立的语音录制按钮。点击一次开始口述，再次点击结束录音并启动转写，或者长按识别，将文字实时填入输入框。
5、键盘还自带撤销、换行等便捷编辑功能。
CosyVoice使用指南
1、自动过滤「嗯、啊、那个」
实时高质量语音转文本，CosyVoice 在转写过程中自动识别并去除口语化的填充词与重复词，让你的每一句话都干净利落。
2、散乱的口述，自动排成清单
说出一堆事情，CosyVoice 自动识别其中的项目结构，整理成编号列表、表格或大纲，条理清晰，可直接发送。
3、说错了？「不对，改成…」就行
CosyVoice 能识别口语中的自我修正——「不对不对」「改成」「我意思是」——并自动应用到最终稿件，不留改口痕迹。
4、说一句指令，得到一封完整邮件
写邮件、写会议邀请、写 vlog 脚本——告诉 CosyVoice 你想要什么格式，它直接给你完成稿，称谓、问候、签名一应俱全。
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。
6、上海话、粤语、川话，都能听懂
无缝识别上海话、粤语、四川话等多种方言，并能将其转写为标准普通话，跨地区团队、田野调研、客户访谈都不再被口音卡住。
常见问题
1、声音克隆素材要求：
想获得更好的克隆效果，建议提供时长足够、音质清晰、背景噪音少的音频样本。样本越干净，生成结果通常越自然。
2、参考音频限制：
部分功能会限制参考音频时长，音频内容也要尽量和待合成文本匹配。素材差异过大时，可能会影响最终合成质量。
3、支持的情感类型：
软件支持中立、快乐、悲伤、愤怒、恐惧、惊讶、厌恶等多种情感，可通过指令或参数进行调用和控制。
4、音频断句不自然：
如果生成语音停顿不够自然，可以在输入文本中增加句号、逗号等标点，明确断句位置后，语音节奏会更顺一些。
更新日志
v1.1.0版本
1、支持多语言-（日韩英繁体中文）
2、历史记录支持编辑修改
3、支持二维码加入内测群
4、支持标点符号过滤设置
-
权限要求：
查看
-
隐私政策：
查看
-
包名：
com.tongyi.funaudio.cosyvoice
-
MD5：
9a7d0a655ee8b31e1b30adc3f8c1ce2c