CosyVoice

CosyVoice是阿里巴巴通义实验室推出的一款智能高效的输入工具，提供文本转语音、零样本声音克隆和声音设计三大核心能力。用户上传10到20秒的音频样本即可复刻特定人声，也可通过文字描述生成定制化音色。CosyVoice支持中英日韩等9种语言以及18种中文方言，合成延迟仅150毫秒，适合智能客服、游戏配音、有声内容创作和出海本地化等场景。从克隆到合成，一次调用就能生成高质量语音！

功能特色

1、支持单击和长按两种交互模式，让说话成为最自然的输入方式

2、识别口语中的自我修正，并自动应用到最终成稿，不留改口痕迹

3、整理成编号列表、表格或大纲，条理清晰，可直接发送

4、指令输入，一键成稿支持邮件、会议、笔记等多种指令

CosyVoice使用指南

1、自动过滤「嗯、啊、那个」

实时高质量语音转文本，CosyVoice 在转写过程中自动识别并去除口语化的填充词与重复词，让你的每一句话都干净利落。

2、散乱的口述，自动排成清单

说出一堆事情，CosyVoice 自动识别其中的项目结构，整理成编号列表、表格或大纲，条理清晰，可直接发送。

3、说错了？「不对，改成…」就行

CosyVoice 能识别口语中的自我修正——「不对不对」「改成」「我意思是」——并自动应用到最终稿件，不留改口痕迹。

4、说一句指令，得到一封完整邮件

写邮件、写会议邀请、写 vlog 脚本——告诉 CosyVoice 你想要什么格式，它直接给你完成稿，称谓、问候、签名一应俱全。

5、数字、公式、单位，都帮你写对

口播中的「三点五八亿」「百分之十二点六」自动还原为「3.58 亿」「12.6%」，还能识别公式表达并补齐符号，金融、科研、媒体场景都能直接用。

6、上海话、粤语、川话，都能听懂

无缝识别上海话、粤语、四川话等多种方言，并能将其转写为标准普通话，跨地区团队、田野调研、客户访谈都不再被口音卡住。

更新日志

v1.4.0版本

新功能：

1、随记功能上线，支持会议、面聊沟通会议录制、AI摘要、实时对话翻译

2、支持9宫格输入法

3、支持暗黑模式

4、支持粘贴板

体验优化：

1、支持删除键上划清空，下滑撤回