实时多语言语音合成

CosyVoice 2.0是由FunAudioLLM团队在Alibaba Group的SpeechLab开发的改进型流式语音合成模型。它旨在提供高质量、自然的声音，延迟低，适合实时应用。模型支持多语言语音合成，并提供对情感和方言的精细控制。CosyVoice 2.0在发音准确度、音质、延迟、方言和口音调整以及情感控制方面都有显著提升，仅需3~10秒的原始音频即可生成模拟音色，包括韵律、情感等细节。