介绍
该项目是由阿里开源的聚合多语言大语音生成模型，提供推理、训练和部署全栈能力，项目中FunAudioLLM为核心框架，其两个主要模型用于高精度多语言语音识别、情感识别和音频事件检测的 SenseVoice;以及 CosyVoice，用于通过多语言、音色和情感控制进行自然语音生成。SenseVoice 提供极低的延迟并支持 50 多种语言，而 CosyVoice 在多语言语音生成、零样本语音生成、跨语言语音克隆和指令跟踪功能方面表现出色。与 SenseVoice 和 CosyVoice 相关的模型已在 Modelscope 和 Huggingface 上开源，以及 GitHub 上发布的相应训练、推理和微调代码。通过将这些模型与 LLM 集成，FunAudioLLM 实现了语音翻译、情感语音聊天、交互式播客和富有表现力的有声读物旁白等应用，从而突破了语音交互技术的界限
项目地址：https://github.com/FunAudioLLM/CosyVoice
CosyVoice整合包下载：https://pan.quark.cn/s/74ce36f251b6
引：整合包由up主十个骑士制作
这里分享的为CosyVoice相关，所以不过多介绍其框架下的综合能力，详细你可以访问官方https://fun-audio-llm.github.io 页面查看
解压整合包并启动后（其中有三个个一键启动程序，推理-instruct.exe为自然语言控制模型启动）你可以得到如下界面：
预训练模式即文本生成语音，在列表中你可以找到预训练的模型角色
3s极速复刻为克隆一段音频音色，上传音频文件并输出prompt（和音频内容一致）再填入你想要生成音频的文本（最上方）
跨语种复刻为克隆为其它语言的音频，所以上方输入的文本应为其它语言
自然语言控制需要推理-instruct.exe文件来启动对应模型
比较容易理解的是它可通过提示词来控制声音生成的情感等
其它不过多介绍，但该项目将AI语音带到了一个新的高度是毋庸置疑的，希望感兴趣的小伙伴可以多关注官方的开源页面更新进度
