CosyVoice
项目核心内容总结：
CosyVoice 是一个支持多语言（中、英、日、粤语、韩语）的零样本文本到语音合成系统，具备跨语言合成、语音转换、流式语音生成等功能。CosyVoice 2 引入大语言模型实现流式合成，CosyVoice 3 通过扩展训练和后训练优化语音自然度。
使用方法：
- 快速体验：通过 Web 演示界面（
webui.py）直接测试语音合成。 - 部署服务：支持 Docker 部署，提供 gRPC 和 FastAPI 接口，适配不同推理模式（零样本、跨语言、指令控制等）。
- 加速部署：使用 Nvidia TensorRT-LLM 加速推理，相比传统方案提升 4 倍效率。
主要特性：
- 支持零样本合成（无需预训练语音数据）；
- 跨语言合成（支持中、英、日等语言切换）；
- 语音转换（通过参考语音调整目标语音风格）；
- 流式处理（实时生成语音）；
- 可扩展部署（兼容 Docker、TensorRT-LLM）。