# AI语音克隆cosyvoice——从入门到精通 **内容简介:** 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> # <a id="i"></a>入门篇 [视频 / 嵌入内容](http://player.bilibili.com/player.html?isOutside=true&aid=114741594890027&bvid=BV1rMKEzHEZs&cid=30683825258&p=1) ## <a id="1_cosyvoice"></a>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。 ## <a id="2_cosyvoice3"></a>2. cosyvoice的3大特色? 1. 3秒原音,即可克隆(复制)出任何人的说话。 2. 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) 3. 可以包含情感:快乐、悲伤、笑声等等。 ## <a id="3_cosyvoice"></a>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。 ### <a id="1"></a>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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506020825187.png) ### <a id="2C"></a>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。 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506020824411.png) ### <a id="3"></a>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。 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506021000293.png) 大约过20~40秒,会出现下面的界面: 说明软件安装成功了。 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506021002825.png) ### <a id="4"></a>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。 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506021006782.png) 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 ⑤ 添加新模型 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506021011795.png) 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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506021015351.png) ### <a id="5"></a>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] ``` ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506021027959.png) # <a id="i-2"></a>进阶篇 [视频 / 嵌入内容](http://player.bilibili.com/player.html?isOutside=true&aid=114741594821727&bvid=BV1HMKEzHESr&cid=30683826321&p=1) ## <a id="i-3"></a>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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171707349.png) **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。 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171705691.png) ## <a id="i-4"></a>如何使用 文件解压后,点击“启动.exe”文件既可 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171708994.png) 打开后是这样子: ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171725887.png) ## <a id="1-2"></a>1.说方言 ### <a id="cosyvoice"></a>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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506121441091.png) 目前支持粤语、四川话、上海话、天津话、长沙话、郑州话。 ### <a id="i-5"></a>效果: 四川话:他们都看不起我,偏偏我也不争气. 本想盖上被子大哭一场,结果睡着了. 粤语: 无人扶我凌云志,我自己也上不去;人人都笑话我,偏偏我也最好笑. 上海话:但凡我有一点本事,也不至于我一点本事也没有 天津话:小学很关键,中学很关键,中考很关键,高中很关键,高考很关键,大学很关键,合着我这辈子就是一个键人 长沙话:有付出就有回报,你给我100,我给你80,算起来你才付了20,却得到了80.(有意者私我) 郑州话:那晚你跟我聊到凌晨,我以为你心里也有我,后来才知道你在美国 ## <a id="2"></a>2. 加入:笑声、呼吸声、强调 ### <a id="i-6"></a>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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171537606.png) ### <a id="i-7"></a>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: ### <a id="i-8"></a>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: ### <a id="i-9"></a>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: ## <a id="3-2"></a>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 ### <a id="i-10"></a>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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171619324.png) ### <a id="i-11"></a>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: ## <a id="4-2"></a>4. 角色扮演 ### <a id="i-12"></a>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 ⑦ 下载音频 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506171609335.png) 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 ## <a id="5_instruct"></a>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> | 分类 | 内容 | | --- | --- | | 说方言 | 四川话 | | | 粤语 | | | 上海话 | | | 郑州话 | | | 长沙话 | | | 天津话 | | 加入:笑声、呼吸声、强调 | [laughter] | | | `<laughter></laughter>` | | | `<strong></strong>` | | | [breath] | | 加入情绪 | 用开心的语气说 | | | 用伤心的语气说 | | | 用惊讶的语气说 | | | 用生气的语气说 | | | 用恐惧的情感表达 | | | 用恶心的情感表达 | | | 冷静 | | | 严肃 | | | 快速 | | | 非常快速 | | | 慢速 | | | 非常慢速 | | 角色扮演 | 神秘 | | | 凶猛 | | | 好奇 | | | 优雅 | | | 孤独 | | | 模仿机器人风格 | | | 我想听听你模仿小猪佩奇的语气。 | | | 一个活泼、爱冒险的小精灵,总是带着微笑和奇思妙想。 | | | 一位权威、威严的古代将军,声音如洪钟,充满决断力。 | | | 一个忧郁的诗人,言语中总是透露出一丝哀愁和浪漫。 | | | 一个天真烂漫的小孩,总是充满幻想和无尽的好奇心。 | | | 一个聪慧的侦探,善于发现细微之处,思维缜密。 | # <a id="3-3"></a>3.常见问题 ### <a id="31_No_module_named8217ttsfrd8217"></a>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 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506020819048.png) ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506020824411.png) ### <a id="32"></a>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。 ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506191723344.png) ### <a id="33_localhost_is_not_accessible"></a>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 ### <a id="34"></a>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: 1. 租用阿里云电脑(第一个月免费)。这篇文章里的第二部分,有教程: [http://yesaiwen.com/tutorial-clone-voice/](https://yesaiwen.com/tutorial-clone-voice) 2. 租用GPU电脑:教程: [http://yesaiwen.com/tutorial-rent-gpu-computer/](https://yesaiwen.com/tutorial-rent-gpu-computer) 3. 使用魔塔在线的工具: <https://www.modelscope.cn/models/iic/CosyVoice2-0.5B> ![](https://blog.yesaiwen.com/_obsidian_proxy/mdnice007.oss-cn-beijing.aliyuncs.com/obsidian/202506051749593.png)