CosyVoice-300M-Instruct 是阿里通义实验室（FunAudioLLM）开源的 CosyVoice 系列语音合成模型，在轻量级 300M 参数的基础上加入了 Instruct 指令控制能力，是资源受限场景下的理想选择。

核心特性

• 指令驱动合成：输入文本 + 自然语言指令（如"用温柔的语气说"），即可生成符合要求的语音
• 零样本语音克隆：提供参考音频即可复刻说话人音色，无需微调训练
• 语音合成与克隆一体：既支持普通文本合成，也支持音色克隆与跨语种转换
• 轻量高效：仅 300M 参数，显存与内存占用低，GPU 8G 即可流畅运行

适用场景

智能客服语音、语音助手、有声内容生产、个性化语音提示音、交互式语音应用等。

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