阿里巴巴推出CosyVoice3：低显存本地TTS工具支持多语种合成

阿里巴巴近日开源了先进的文本到语音系统CosyVoice3，该系统基于大型语言模型，在内容一致性、说话人相似度和韵律自然度方面表现出色。支持9种常用语言及18+种中国方言，可实现多语种零样本声音克隆。一位开发者基于此模型开发了Windows本地TTS工具，仅需4GB显存即可运行，支持零样本复刻、精细控制、指令控制和语音修补四种模式。该工具完全本地部署，无需调用API，界面简洁易用，适用于视频配音、游戏NPC对白、有声书制作等多种场景。性能对比显示，CosyVoice3在多个测试指标上超越同类开源模型，展现了AI语音合成技术的最新进展。