阿里通义实验室最近发布了一款名为CosyVoice的语音生成模型，作为FunAudioLLM项目的一部分。CosyVoice能够通过几秒钟的音频样本克隆一个人的声音，生成自然且情感丰富的语音。该模型支持零样本学习，用户只需上传3~10秒的音频样本，即可生成模拟音色。此外，CosyVoice还支持跨语言声音克隆，能够生成中文、英语、粤语、日语和韩语等多种语言的语音。文章详细介绍了CosyVoice的使用方法和在线体验地址，强调了其上手简单、功能强大的特点，预示着声音克隆技术已经进入了一个低门槛、高效率的新时代。