本教程通过2个案例：克隆郭德纲、林志玲的声音，来掌握最像真人的AI语音克隆工具（文本转语音工具）—阿里出品的cosyvoice。
整个教程包含：①安装包、②练习素材、③视频教程、④文本教程。
教程分为“入门篇”和“进阶篇”
入门篇：选择的是“AI剪辑助手”打包的cosyvoice，它的特点是简单，新人很容易上手。 缺点是：砍掉了方言等功能。
进阶篇：选择的是“与AI同行”打包的cosyvoice，它的特点是：功能全。 缺点是略显复杂。
所以建议新手先看入门篇，知道基本的操作。 然后再看进阶篇。
如果是老手，直接看进阶篇。
相关资源下载：
（资源都一样，多放几个网盘是怕被封，选择其中的一个下载即可）
① 安装包：
入门篇工具安装包（大小：11.4G)：
夸克网盘： https://pan.quark.cn/s/e49a0d238ba2
百度云盘： https://pan.baidu.com/s/17UtflIaaU-ZUC0EJu_Y6rg?pwd=2045
进阶篇工具安装包（大小：8.8G）：
夸克网盘链接： https://pan.quark.cn/s/a7ed622f5ae9
百度网盘链接： https://pan.baidu.com/s/1yX17U6lGDVoCI3doFt-POw?pwd=2045 提取码：2045
② 练习素材：
练习素材入门篇和进阶篇，都是一样的。
夸克网盘链接： https://pan.quark.cn/s/19bac8977f95
③视频教程：
（包含入门教程和进阶教程）
夸克网盘链接： https://pan.quark.cn/s/bb629f97ca8b
入门篇
1. cosyvoice是什么？
免费的语音克隆工具：提供3秒的原音，既可复制音色。
由阿里的通义实验室推出。
2. cosyvoice的3大特色？
- 3秒原音，即可克隆（复制）出任何人的说话。
- 支持中、英、日、韩、中国方言（粤语、四川话、上海话、天津话、武汉话、长沙话、郑州话等）
- 可以包含情感：快乐、悲伤、笑声等等。
3. cosyvoice如何使用？——克隆郭德纲的声音
本教程将通过克隆郭德纲的声音，来演示如何使用cosyvoice。
工具说明：使用的是“AI剪辑助手”制作的cosyvoice版本。
这个版本的优点：特别适合新手，只保持了最基本的功能，去掉了多余的功能。
第1步：下载安装包
一键安装包下载地址（11.4G）：
夸克网盘： https://pan.quark.cn/s/e49a0d238ba2
百度云盘： https://pan.baidu.com/s/17UtflIaaU-ZUC0EJu_Y6rg?pwd=2045
安装包里有2个文件：
工具文件：cosyvoice-2。
练习素材： 包含郭德纲和林志玲的10秒语音及文本，用来做练习
第2步：复制软件到C盘根目录
把软件复制到C盘根目录，
特别注意： 安装路径里，不要包含中文。 否则会引起报错。
第3步：运行软件
① 打开cosyvoice-2文件夹，找到并双击“go-web"文件
② 会出现命令行界面。 这个界面，在软件运行的时候，不要关闭。
大约过20~40秒，会出现下面的界面： 说明软件安装成功了。
第4步：添加“郭德纲”的声音
添加郭德纲声音。 声音文件在安装包”练习素材“文件夹里。
① 点击“声音模型管理
② 填写角色名字：郭德纲
③ 上传郭德纲的9秒音频
④ 填写参考音频文字
添加新模型
检查声音是否添加成功
① 打开“文本生成音频”界面
② 单击“刷新声音模型列表
③ 在“声音模型列表”里，可以看到刚才添加的声音
第5步：文本转语音
输入文本：
大家好，这是我的新朋友叶赛文，他是一个分享AI干货的博主。 赶紧关注他一下，[laughter]他可是一位帅哥[laughter]
进阶篇
如何安装？
下载安装包：
夸克网盘链接： https://pan.quark.cn/s/a7ed622f5ae9
百度网盘链接： https://pan.baidu.com/s/1yX17U6lGDVoCI3doFt-POw?pwd=2045 提取码：2045
下载练习素材：
夸克网盘链接： https://pan.quark.cn/s/0070f8caeb08
百度网盘链接： https://pan.baidu.com/s/1OxVYYeAWxXKVxrNUt70Msg?pwd=2045 提取码：2045
练习素材： 包含2个语音文件：郭德纲和林志玲的声音，还有声音文本。
如何使用
文件解压后，点击“启动.exe”文件既可
打开后是这样子：
1.说方言
如何使用cosyvoice的方言
① 选择“自然语言控制”
② 选择要克隆的声音。 （可以选择安装包里的林志玲声音。声音不能小于3秒，不能超过30秒）
③ 输入克隆声音的文本
④ 输入要文本转语音的文字
⑤ 输入要将的方言。 例如：用四川话
目前支持粤语、四川话、上海话、天津话、长沙话、郑州话。
2. 加入：笑声、呼吸声、强调
如何使用
如何使用cosyvoice的方言
① 选择“自然语言控制”
② 选择要克隆的声音。 （可以选择安装包里的林志玲声音。声音不能小于3秒，不能超过30秒）
③ 输入克隆声音的文本
④ 输入要文本转语音的文字。 注意：加入笑声、强调的语法。
⑤ 生成音频
⑥ 下载音频
呼吸
作用：在加入的地方，会有一次换气声
示例：我已经不是当年的穷小子了[breath]，现在的我是今年的穷小子[breath]。
效果：
笑声
作用：发出笑声
用法示例：我在窗户上就着雾写下他全家的名字，雾散了，他全家也没了[laughter][laughter]。
效果
作用：发出笑声
用法示例： 没出息没关系，有气息就已经<laughter>很棒了</laughter>。
效果：
强调
作用：强调内容
用法示例：人为什么一定要往高处走呢，人可以往<strong>四处走</strong>。
效果：
3.加入情绪
使用方法和方言一样，在“输入instruct文本” 里写，需要什么情绪
用开心的语气说
示例： 能打败我的人，我也不跟他们打。
效果：
① 选择“自然语言控制”
② 选择要克隆的声音。 （可以选择安装包里的林志玲声音。声音不能小于3秒，不能超过30秒）
③ 输入克隆声音的文本
④ 输入要文本转语音的文字。
⑤ 输入情绪词：例如，用开心的语气说
⑥ 生成音频
⑦ 下载音频
用生气的语气说
示例：在交通高峰期，遭遇到一位鲁莽的司机插队，我感到非常生气。这种不文明的行为总让人无奈。
效果：
4. 角色扮演
用天真浪漫的小孩语气说
① 选择“自然语言控制”
② 选择要克隆的声音。 （可以选择安装包里的林志玲声音。声音不能小于3秒，不能超过30秒）
③ 输入克隆声音的文本
④ 输入要文本转语音的文字。
⑤ 输入角色
⑥ 生成音频
下载音频
指令文本（instruct文本）：一个天真烂漫的小孩，总是充满幻想和无尽的好奇心。
文本：没出息没关系，有气息就已经很棒了
5. 任务描述词（instruct文本）词汇总
根据官方文档整理。
官方文档链接： https://funaudiollm.github.io/cosyvoice2
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
<laughter></laughter> |
|
<strong></strong> |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3.常见问题
3.1 安装不成功：No module named'ttsfrd'
问题原因： 安装路径有中文
解决方法： 把安装包复制到C盘根目录
3.2.安装路径里，有中文
报错：FstIOError:read failded
问题原因：文件安装路径里，有中文。
解决方法：修改安装路径，不要有中文。
3.3 localhost is not accessible
报错：ValueError: When localhost is not accessible, a shareable link must be created. Please set share=True or check your proxy settings to allow access to localhost.
问题原因：开了国际网
解决方法：关闭国际网
3.4 出现其它问题
还可能出现其它的七七八八的问题，大多都是电脑配置的问题。
解决方法：
- 租用阿里云电脑（第一个月免费）。
- 租用GPU电脑。
- 使用魔塔在线的工具： https://www.modelscope.cn/models/iic/CosyVoice2-0.5B
