CosyVoice

CosyVoice是通义云启（杭州）推出的AI语音工具，搭载通义千问大模型，兼顾语音转写与真人语音合成，支持多国语言及粤语、川话、沪语等方言识别转文字，可自动剔除口语冗余词汇并智能纠错，支持离线转写、音色复刻。软件界面简洁，可快速生成会议文稿、润色文案、输出办公脚本，提供语音训练、推理部署完整能力，合成语音自然贴合真人韵律，适配办公记录、内容配音等多元使用场景。

CosyVoice怎么使用

1、本站下载打开CosyVoice app，完成注册登录账号。

2、根据app内指引，完成系统输入法切换设置。

3、点击任意输入框，即可唤起CosyVoice键盘。

4、键盘界面中央设有独立的语音录制按钮。点击一次开始口述，再次点击结束录音并启动转写，或者长按识别，将文字实时填入输入框。

5、键盘还自带撤销、换行等便捷编辑功能。

CosyVoice功能介绍

1、可识别中英混合口语，不用手动切换语言，系统自动区分两种语种并精准转换成文字。

2、方言识别模型经过深度优化，能够清晰识别粤语、川话等常见地方口音。

3、提供两种输入方式，分别是长按语音录入与常规键盘打字，按需自由选用。

4、搭载大型语言模型，能够自动修正口误、同音错别字以及语序不通顺的语句。

5、不用手动选中文字内容，直接语音下达指令就能调整转写完成的文本。

6、长时间语音会自动拆分段落与句子，整理成排版规整的文本，方便整理会议纪要、日常笔记。

7、程序在本地设备运行，语音和文字资料仅储存在本机，不会上传云端，不会收集银行卡、密码等私密信息。

8、能够设置成手机系统通用键盘，微信、短信、办公工具、浏览器等各类应用都可正常使用。

CosyVoice常见问题

1、声音克隆需要多少音频素材？

通常建议提供5分钟以上、清晰无杂音的音频样本，克隆效果会更好。

2、参考音频有什么要求？

参考音频时长不能超过30秒(某些功能限制)，且内容需与文本一致，否则可能吞字。

3、支持哪些情感？

目前支持中立、恐惧、愤怒、悲伤、惊讶、快乐、厌恶等多种情感，可以通过指令或参数控制。

4、生成的音频断句不自然怎么办？

可以在文本中加入句号来标记断句位置，AI会根据标点符号进行停顿。

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