大佬，要不要考虑兼容一下阿里的CosyVoice，感觉他的效果比GPT-SoVITS要好

[miaojun22]

大佬，要不要考虑兼容一下阿里的CosyVoice，感觉他的效果比GPT-SoVITS要好

[2547881370]

CosyVoice做不到实时把

[Kedreamix]

感谢你的建议，也已经很多人跟我提过了，我最近会尝试一下的，包括ChatTTS的方式

[Kedreamix]

Linly-Talker已更新，加入了CosyVoice，可以多多关注和体验

CosyVoice 是阿里通义实验室开源的一款多语言语音理解模型，专注于高质量的语音合成。该模型经过超过15万小时的数据训练，支持中文、英语、日语、粤语和韩语等多种语言的语音合成。CosyVoice 在多语言语音生成、零样本语音生成、跨语言声音合成和指令执行能力等方面表现出色。

CosyVoice 支持 one-shot 音色克隆技术，仅需3至10秒的原始音频即可生成逼真自然的模拟音色，包括韵律和情感等细节。

GitHub项目地址：https://github.com/FunAudioLLM/CosyVoice

CosyVoice 包含多个预训练的语音合成模型，主要包括：

1. CosyVoice-300M：支持中、英、日、粤、韩等多语言的零样本（zero-shot）和跨语言（cross-lingual）语音合成。
2. CosyVoice-300M-SFT：专注于监督微调（SFT）推理的模型。
3. CosyVoice-300M-Instruct：支持指令推理的模型，可以生成包含特定语气、情感等元素的语音。

主要功能和特性

1. 多语言支持：能够处理多种语言，包括中文、英语、日语、粤语和韩语等。
2. 多风格语音合成：通过指令可以控制生成语音的语气和情感。
3. 流式推理支持：未来将支持流式推理模式，包括KV缓存和SDPA等用于实时性优化的技术。

暂时 Linly-Talker 中加入了 预训练音色、3s极速复刻 和 跨语种复刻 三种功能，更多有趣的可以继续关注 Linly-Talker，以下是CosyVoice的一些效果