Fun-CosyVoice3

给 Fun-CosyVoice3 一小段录音，再给一段文字，它就能用录音里的声音把文字念出来，不用事先拿你的声音训练。阿里开源的这个配音模型只有 0.5B（5 亿参数），中英文混读、方言、语气和语速，都能用一句指令来调。

适合谁

• 做视频、做播客，想用自己的声音批量出配音的人
• 稿子里常有中英文混读，或者想要粤语、四川话这类方言配音的人
• 会一点命令行，或者愿意让 AI 帮忙搭环境的人

怎么开始

1. 先听效果：魔搭上有官方的在线体验页（创空间，搜「Fun-CosyVoice3」），上传录音、输入文字就能试，不用装东西。
2. 本地装：把官方 GitHub 仓库的链接发给 Claude Code 或 Codex，说「帮我按 README 装好 CosyVoice，并下载 Fun-CosyVoice3-0.5B-2512 模型」。它会用 Conda（管理 Python 环境的工具）建一个独立环境，模型从魔搭下载。
3. 准备一段自己的录音，环境安静、吐字清楚，同时写下这段录音里说的原话，连同要念的稿子一起交给它。
4. 想换语气、语速或方言，就在指令里直接说，比如「请用广东话表达」，或者要求说快一点，官方示例就是这样用的。
5. 个别字念错了，可以用拼音标注来纠正；英文单词也能用音标纠正。

要注意

• 支持中、英、日、韩、德、西、法、意、俄 9 种语言，以及 18 种以上的方言口音。
• 代码和模型都是 Apache 2.0 许可。只克隆自己的声音，或者拿到本人同意的声音，别拿来冒充别人。
• 说明里没写对电脑的要求，主要门槛在装 Python 环境。下载前看一眼模型页写的大小，留出足够的空闲内存。