CosyVoice-300M（优化版） 是阿里通义实验室（FunAudioLLM）开源的经典语音合成模型，在 300M 轻量参数的基础上对 长文合成 进行了优化，是开源社区广泛使用的成熟方案。

核心特性

• 长文合成优化：针对长文本合成稳定性做了专项调优，更适合实际生产场景
• 零样本语音克隆：参考音频即可复刻目标音色，支持语音克隆与合成一体化使用
• 跨语种合成：支持中英日韩等多种语言及跨语种语音转换
• 轻量高效：300M 参数，GPU 8G 即可运行，部署与调用成本低

适用场景

有声内容生产、短视频配音、语音播报、智能客服语音、本地化语音合成服务等。

更多信息可参考：https://github.com/FunAudioLLM/CosyVoice