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

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？

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。

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

⑤ 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。

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

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

⑦ 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

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。

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：

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/
2. 租用GPU电脑：教程： http://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