概要
FunAudioLLMが開発するCosyVoiceは、大規模言語モデル（LLM）を基盤とした多言語対応の音声生成モデルです。
最新版のFun-CosyVoice 3.0は、9言語（日本語を含む）と多数の中国方言でのゼロショット音声合成を可能にし、コンテンツの一貫性、話者類似性、イントネーションの自然さにおいて高い性能を誇ります。
発音の細かな調整や、数字・記号の直接読み上げ、低遅延でのリアルタイムストリーミングも特徴です。
研究者、開発者、コンテンツクリエイターが、高品質な多言語音声コンテンツを効率的に生成・利用することを想定しています。
互換性・特徴
- 日本語対応
- Python
- LLMベース
- API
- 音声合成
- ゼロショット音声クローン
基本情報
| ライセンス | Apache-2.0 |
| Stars | 21,992 |
| Forks | 2,532 |
| カテゴリ | 音声生成 / TTS |
| アクティビティ | mid |
最新のissue
- Turkish Language Support Issue (更新: 2026-07-06)
- 请问，大家都是使用什么方式部署cosyvoice3，vllm还是triton_trtllm (更新: 2026-07-05)
- CosyVoice 2.0 exhibits audio stuttering during zero-shot streaming inference (更新: 2026-07-04)
- 生成的音频是胡言乱语 (更新: 2026-07-04)