pyVideoTrans

简体中文

English

简体中文

English

Appearance

CosyVoice2-TTS Windows一键整合包：零基础也能轻松玩转的AI语音合成 ​

您是否惊叹于阿里开源的 CosyVoice2 AI语音合成技术，但又被复杂且总是报错的安装过程劝退？

别担心，这个一键整合包就是为您量身打造的！

有了它，您无需安装Python，也无需和各种复杂的报错作斗争，只需在 Windows 10 或 Windows 11 系统上简单几步，就能轻松体验顶尖的AI语音合成技术。

简单了解 CosyVoice2 的强大之处 ​

CosyVoice2 是一个非常强大的多语言语音合成模型，它能生成极其准确、稳定且自然流畅的语音。

  • 支持多种语言： 包含中文、英文、日文、韩文，甚至还有粤语、四川话、上海话等多种中国方言。
  • 跨语言声音克隆： 你可以用一段中文声音，让它说出地道的英文，反之亦然。
  • 超低延迟： 响应速度飞快，最快150毫秒就能听到生成的声音。
  • 发音更准确： 相比前代，错误率降低了30%-50%，发音非常标准。
  • 音色超稳定： 无论怎么使用，都能保持声音的一致性和稳定性。
  • 情感和口音控制： 支持更精细的情感控制和口音调整，让声音更富表现力。

🚀 只需三步，即可开启您的AI语音之旅 ​

第一步：下载整合包 ​

首先，您需要下载名为 cosyvoice2-win.7z 的整合包文件。我们提供了两个下载渠道，您可以选择一个速度快的进行下载：

特别提醒： 这是一个 .7z 格式的压缩包。如果您的电脑无法直接打开，或者解压时出现错误提示，建议安装 360压缩 或 Bandizip 这类免费且强大的解压软件后再试。

第二步：解压文件 ​

下载完成后，找到这个压缩包。用鼠标右键点击它，选择“解压到当前文件夹”或“解压到 cosyvoice2”。解压后，您会得到一个同名的新文件夹。

第三步：双击启动！ ​

打开刚刚解压出来的文件夹，找到一个名为 双击启动.bat 的文件。

直接用鼠标双击它，程序就开始运行了！

双击后会发生什么？ ​

这时，一个黑色窗口会弹出来（我们称之为“命令提示符”）。请不要关闭这个窗口，程序正在后台为您处理一切：

  1. 自动下载模型文件： 程序会首先检查运行所需的AI模型文件（大约几个G）是否齐全。如果发现文件缺失，它会自动开始下载。您会在窗口里看到下载进度。这个过程耗时较长，取决于您的网速，请耐心等待。

网络提示： 如果下载中途失败，想重新下载，请先进入 pretrained_models 文件夹，将里面下载不完整的模型文件夹删掉，然后重新运行“双击启动.bat”。

  1. 启动核心服务： 模型准备就绪后，程序会自动启动WebUI服务。这是您用来进行语音合成的操作界面。

  2. 看到成功提示： 请继续等待，直到您在黑色窗口里看到类似下面的信息，就代表大功告成！

    Running on local URL:  http://127.0.0.1:8000

To create a public link, set `share=True` in `launch()`.

意味着 CosyVoice2 已经在您的电脑上成功运行起来了！

💻 开始您的AI语音创作 ​

请保持那个黑色的窗口不要关闭，然后打开您的浏览器（推荐使用Chrome或Edge），在顶部的地址栏里输入：

http://127.0.0.1:8000

按下回车，您就能看到简洁又强大的操作界面了。现在，您可以尽情探索，输入文字，上传声音样本，生成独一无二的AI语音了！

如何关闭程序？ 非常简单，当您使用完毕后，直接关闭那个一直开着的黑色窗口即可。

🔧 进阶玩法：切换不同的声音模型 ​

本整合包内置了多个模型，每个模型都有不同的特点。默认启动的是效果最全面的 CosyVoice2-0.5B 模型。如果您有特殊需求，可以手动切换。

  • CosyVoice-300M-SFT：想使用内置的多种预设音色时，必须用这个。
  • CosyVoice-300M-Instruct：想通过文字描述（如“用温柔的语气说”）来控制声音时，必须用这个。
  • CosyVoice2-0.5B：最新最强的模型，综合效果最好（默认选项）。
  • CosyVoice-300M：一个基础模型。

切换方法：

  1. 在文件夹中找到 双击启动.bat 文件，用鼠标右键点击它，选择“编辑”。（如果没看到“编辑”，就选择“打开方式” -> “记事本”）
  2. 您会看到以下几行代码：
    batch
    call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice2-0.5B
rem call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice-300M
rem call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice-300M-Instruct
rem call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice-300M-SFT
  3. rem 在这里是“注释”的意思，代表这一行代码暂时不起作用。
    • 要禁用当前模型： 在它那行代码的最前面加上 rem (rem后面有个空格)。
    • 要启用目标模型： 把目标模型那行代码最前面的 rem 删掉。
  4. 修改完成后，保存并关闭记事本，再重新“双击启动.bat”即可(必须先关闭已启动的bat)。

例如，要切换到 CosyVoice-300M-SFT 模型，您需要修改成这样：

batch
rem call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice2-0.5B
rem call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice-300M
rem call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice-300M-Instruct
call %cd%/pybin/python webui.py --model_dir pretrained_models/CosyVoice-300M-SFT

❓ 常见问题解答 ​

  1. 启动后程序闪退，或者黑窗口里报错 ValueError: When localhost is not accessible... 怎么办？

解决办法： 这通常是因为您的电脑开启了网络代理或VPN软件（比如一些加速器）。它们占用了程序需要使用的本地网络端口。 请关闭您的VPN或网络代理软件，然后重新双击启动程序。

  1. 双击run-api.bat 运行api， 报错CosyVoice.__init__() got an unexpected keyword argument 'load_onnx'?

解决办法： 打开 api.py 文件(编辑器或记事本)，搜索 load_jit=True, load_onnx=False 找到后删掉， 搜索 load_jit=True, load_onnx=False, load_trt=False ,找到后删掉，这个代码有2处

专为进阶用户：API 对接 ​

整合包中还包含了一个 run-api.bat 文件。如果您是开发者，并希望将 CosyVoice2 的语音合成能力对接到其他程序（如 pyVideoTrans）中，可以双击此文件来启动API服务。