资料修改2026-09尚无逐条事实核验记录；修改日期不代表已验证

TOOLBOX / 本地部署 · 语音

本文仍包含未全面复核的历史资料；安装、许可、费用与当前权限请回到官方确认。查看已核信息范围

CosyVoice（阿里）

阿里 FunAudioLLM 出品的多语言 / 方言零样本 TTS：音色克隆、流式合成、指令控制（情感 / 语速）。 仓库：https://github.com/FunAudioLLM/CosyVoice

硬件门槛（12 GB 显存视角）

• 0.5B 级模型推理约 4 GB 起；推荐 8-12 GB 更流畅。
• 流式模式首包延迟可到约 150ms。

Windows 安装

• conda + 官方脚本；社区有一键包与 "Ex" 扩展版（3 秒克隆素材门槛）。
• 依赖 pynini 等组件，Windows 原生安装容易卡在依赖编译——装不动就转 WSL。

权重下载

魔搭（ModelScope）/ Hugging Face。

⚠️ 避坑：①Windows 下 pynini 依赖是最大安装难点，优先用整合包或 WSL； ②版本迭代快（CosyVoice2 / 3），接口与音质差异明显，认准对应版本文档。