CosyVoice
QwenAudio/CosyVoiceRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es CosyVoice?
Un modelo de generación de voz del equipo FunAudioLLM: convierte texto en habla en nueve idiomas y más de dieciocho dialectos chinos, copia una voz a partir de una muestra corta sin necesidad de entrenamiento, y puede seguir instrucciones sobre emoción, velocidad o acento. Instalas Conda y Python, descargas archivos de modelo de varios gigabytes desde ModelScope o Hugging Face, y luego ejecutas un script de ejemplo o una página web local. Se espera una tarjeta NVIDIA para una velocidad aceptable, y las configuraciones de servidor más rápidas (vLLM, TensorRT, Docker) son solo para Linux.
CosyVoice es gratis y de código abierto (Apache-2.0) y puede reemplazar a ElevenLabs, Murf y Fish Audio.
¿Qué tan fácil es instalar CosyVoice?
D · terminal, varias herramientas o tarjeta específica · Windows
- Windows D
- macOS D
- Linux D
En todos los sistemas es trabajo de terminal: clonas con submódulos, instalas Conda, creas un entorno, instalas con pip una larga lista de paquetes, descargas varias carpetas de modelo con un script y solo entonces ejecutas "python example.py" o "python3 webui.py". Linux es el que tiene mejor soporte: las piezas de deepspeed, onnxruntime-gpu, TensorRT y Docker en requirements.txt y en el README solo aplican ahí, y sox puede necesitar un paquete del sistema.
Pronto: instala con 1 clic desde la app RepoPicks.
CosyVoice en GitHub
- Estrellas
- 24.356el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +64estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux
- Necesitas instalar
- Python, Tarjeta NVIDIA, Otras herramientas
- Para compilar desde el código
- Python, Tarjeta NVIDIA
- Espacio en disco
- 1,2 GB–5,1 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · Código bajo Apache-2.0 y archivos de modelo gratuitos para descargar; la electricidad y la tarjeta gráfica son cosa tuya.
- Licencia
- Apache-2.0 (Permisiva)
- Puede reemplazar
- ElevenLabs, Murf, Fish Audio
- Último cambio en GitHub
- 25 may 2026
Señales de riesgo de CosyVoice (6)
- AtenciónDependencias con vulnerabilidades conocidas
Dependencias fijadas con vulnerabilidades conocidas (OSV): diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; gdown: GHSA-76hw-p97h-883f, PYSEC-2026-2158; gradio: GHSA-39mp-8hj3-5c49, GHSA-5cpq-9538-jm2j, GHSA-6655-8ph2-63j3; hydra-core: GHSA-2cp2-2r3c-7p7r, GHSA-c3wx-c55w-pxjq, PYSEC-2026-3850; lightning: GHSA-cgwc-qvrx-rf7f, GHSA-mr7h-w2qc-ffc2, GHSA-qqmf-gpg7-g8gw; modelscope: GHSA-fhhq-h4hg-549x, PYSEC-2026-2663; onnx: GHSA-3r9x-f23j-gc73, GHSA-48m4-24cq-37qf, GHSA-538c-55jv-c5g9; protobuf: GHSA-7gcm-g887-7qv7, GHSA-8qvm-5x2c-j2w7, PYSEC-2026-1805; pyarrow: GHSA-rgxp-2hwp-jwgg, PYSEC-2026-113; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-63cw-57p8-fm3p; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74
revisión automática
- AtenciónClonación de voces de personas reales
El proyecto se promociona con "multi-lingual/cross-lingual zero-shot voice cloning" a partir de una muestra corta, y su propio descargo de responsabilidad dice "The content provided above is for academic purposes only" y pide que se escriba si algún ejemplo infringe los derechos de alguien; copiar la voz de una persona está restringido en varios países.
revisión con IA
- InfoEl repositorio es una copia del proyecto original
Este repositorio es QwenAudio/CosyVoice, pero todos los enlaces del README apuntan a FunAudioLLM/CosyVoice y el paso de instalación dice "git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git", así que las instrucciones compilan el otro repositorio, no este.
revisión con IA
- InfoInstalación desde un espejo con la verificación de certificado desactivada
Comando de instalación del README: "pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com" — los paquetes vienen de un espejo de Alibaba y el indicador --trusted-host desactiva la verificación de certificado para ese sitio.
revisión con IA
- InfoDescargas grandes de modelos fuera de GitHub
El README indica descargar Fun-CosyVoice3-0.5B, CosyVoice2-0.5B, CosyVoice-300M, -SFT, -Instruct y el recurso ttsfrd desde ModelScope o Hugging Face, y el paso opcional de ttsfrd instala dos archivos .whl que vienen dentro de esa descarga.
revisión con IA
- InfoSin lanzamientos y muchos issues abiertos
El repositorio no tiene lanzamientos en GitHub, tiene 640 issues abiertos y el último commit es del 2026-05-25 (168 días antes de la revisión), así que siempre instalas lo que sea que tenga la rama principal en ese momento.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de CosyVoice
- Si funciona en Windows o Mac en la práctica, y qué tan lento es ahí sin una tarjeta NVIDIA.
- El uso real de disco: las revisiones estiman entre 1.2 y 5.2 GB, y eso depende de cuántas carpetas de modelo descargues.
- Las afirmaciones de calidad y velocidad (150 ms de latencia, los puntajes de la tabla de evaluación) fueron medidas por los propios autores.
- Quién puede acceder a la página web que inicia webui.py, que no tiene inicio de sesión propio.
- Qué tan buenas son las voces en idiomas distintos del chino y el inglés.