CosyVoice

CosyVoice 提供文本配音、短录音声音克隆和文字音色设计的在线入口，适合先为视频旁白、课程讲解或角色台词制作语音样稿。用户提供的 cosyvoice.pro 主要展示产品介绍与演示入口，实际生成操作通过其链接进入 cosyvoice.org 完成。以下介绍以这一跳转关系为边界，说明在线工作区的操作和配套音频工具。

通过托管工作区使用语音模型

CosyVoice.org 的关于页面说明，该站基于开源 CosyVoice 模型提供托管访问、产品流程与运行维护，站点制作者并非底层模型作者。用户在浏览器中选择声音、填写脚本或准备参考录音，计算任务由服务端处理，无需自行配置模型运行环境。开源模型的许可与在线服务的账户、额度及商用条件分别适用，选择在线服务时应按其方案和条款判断使用范围。

预设音色与文本配音

文本转语音工作区将脚本输入和音色选择放在同一页面，输入框显示已用字符及当前单次上限。音色区可以在英文、中文之间筛选，并按名称搜索；卡片标注有声书、儿童故事、播客主持或产品讲解等用途，以及部分口音信息。用户可先选择与脚本风格相符的声音，再提交生成并试听，适合从短句开始检查读音和节奏。

短录音声音克隆

克隆入口提供上传和录音两种方式，上传区支持 MP3、WAV、M4A、OGG，要求参考片段为三至三十秒且不超过十兆字节。页面建议使用没有背景噪声、语速自然的清晰讲话录音，并另设测试文本输入框，用新句子检查克隆声音。使用者需要拥有该声音，或取得可核验的明确授权。当前工作区已有克隆输入表单，功能页仍残留即将推出的旧问答，具体可用权限需在账户内确认。

用描述创建角色音色

声音设计入口分别填写声音描述和预览台词，可在描述中指定年龄感、声音质感、说话方式及角色气质。界面提供主持人、新闻主播、科学家、故事讲述者、机器人等示例，帮助用户把抽象角色想法转成具体声音要求。预览文本用于检查同一段台词是否符合设想，适合没有目标录音、希望为虚构人物或栏目设计声音的创作者。

为局部台词标注情绪

情绪配音页面提供可选中文本的编辑方式：先高亮一段内容，再添加情绪标记，编辑器用颜色区分不同情绪，并支持清除所选标记。界面包含开心、悲伤、愤怒、恐惧、惊讶等选项及自定义入口。用户可以将叙述与角色台词分开处理，把需要强调的情绪放在对应文字上，再围绕生成结果调整表达，而不必把整段脚本设为同一种情绪。

多语言文本与方言配音

多语言页面展示在同一句文本中混用中文、英文、法文和日文的示例，并说明可将参考声音用于跨语言合成。在线首页还列出普通话、英文以及粤语、四川话、上海话和天津话声音，适合为不同受众准备配音版本。制作时仍需提供相应语言的脚本并检查发音，这一流程用于语音合成，不等于自动完成脚本翻译或视频口型对齐。

按说话人整理录音

Speaker Diarization 接受音频或视频文件，依次进行人声清理、转写和说话人聚类，不要求用户事先填写说话人数。结果包括带说话人标记的时间线、转写文本、发言时间占比及参考语音片段，用户可识别后重命名、补充声音描述，并保存需要复用的声音。页面说明提取结果保留七天，尚未保存的参考片段会随清理删除，因此需要复用的声音应及时保存到音色库。

分离伴奏与人声

Vocal Remover 可上传 MP3、WAV、M4A、FLAC、OGG 等音频，也接受 MP4、WebM、MOV 视频。任务在后台队列中处理，一次输出伴奏与独立人声两条音轨，完成后分别试听并下载为 bg.wav 和 vocals.wav。它处理已有混音素材，适合准备练唱伴奏或提取经授权的人声参考；当前功能页要求登录并验证邮箱，免费档另有单文件时长和每日任务限制。

按参考音频比较模型样例

从 cosyvoice.pro 的演示链接可进入 Audio Demo Lab，查看参考音频与不同 CosyVoice 版本的合成样例。页面按零样本克隆、混合语言、情绪表达和中文方言分类，并提供行级检索与独立音频播放器。读者可以围绕同一文本比较声音表现，判断需要进一步试听的能力；这些是模型演示样例，不代表在线工作区提供所有展示版本的自由切换。

从网页入口完成首次语音试稿

1. 进入在线工作区：打开 cosyvoice.pro，通过 Try Now 前往 cosyvoice.org，选择 Text to Speech、Voice Cloning 或 Voice Design。
2. 准备文本与声音：文本配音可直接选择预设音色；克隆时准备本人或已获授权的清晰短录音；声音设计则填写声音描述和预览台词。
3. 检查输入条件：核对当前字符上限、参考音频格式和长度，按需要选择语言相关声音；制作情绪台词时可进入 Emotional TTS 标注局部文字。
4. 生成并试听：使用对应的生成按钮，围绕读音、声音身份和语气检查结果，再修改文本或描述进行下一轮试稿。需要保留声音或使用受限功能时，按页面要求登录账户。

旁白制作与录音整理场景

• 视频内容作者：用已写好的解说稿选择讲解型声音，先检查短句读音，再为镜头段落制作旁白样稿。
• 课程讲解者：准备教学文本和不同语言版本，使用预设声音或授权克隆音色生成朗读素材，并逐段核对术语发音。
• 角色创作者：通过年龄感、声线和性格描述设计人物声音，再对关键台词添加情绪标记，比较角色表达是否吻合场景。
• 访谈编辑：上传拥有使用权的多人录音，查看说话人时间线和转写结果，重命名人物并保存后续需要复用的参考声音。
• 音乐练习者：将获准处理的混音素材分离成伴奏与人声，分别试听和下载，用于练唱或研究原有演唱表达。