CosyVoice
QwenAudio/CosyVoiceRevisado por IA
Verificado pelo RepoPicks Radar em
O que é CosyVoice?
Um modelo de geração de voz da equipe FunAudioLLM: transforma texto em fala em nove idiomas e mais de dezoito dialetos chineses, copia uma voz a partir de uma amostra curta sem precisar de treinamento, e pode seguir instruções sobre emoção, velocidade ou sotaque. Você instala o Conda e o Python, baixa arquivos de modelo de alguns gigabytes do ModelScope ou do Hugging Face, e então executa um script de exemplo ou uma página web local. Uma placa NVIDIA é esperada para uma velocidade razoável, e as configurações de servidor mais rápidas (vLLM, TensorRT, Docker) só funcionam no Linux.
CosyVoice é grátis e de código aberto (Apache-2.0) e pode substituir ElevenLabs, Murf e Fish Audio.
Quão fácil é instalar CosyVoice?
D · terminal, várias ferramentas ou placa específica · Windows
- Windows D
- macOS D
- Linux D
Em todos os sistemas é trabalho de terminal: clonar com submódulos, instalar o Conda, criar um ambiente, instalar com pip uma longa lista de pacotes, baixar várias pastas de modelo por script e só então executar "python example.py" ou "python3 webui.py". O Linux é o mais bem suportado: as partes de deepspeed, onnxruntime-gpu, TensorRT e Docker no requirements.txt e no README só valem ali, e o sox pode precisar de um pacote do sistema.
Em breve: instale com 1 clique pelo app RepoPicks.
CosyVoice no GitHub
- Estrelas
- 24.356em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +64estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, macOS, Linux
- Você precisa instalar
- Python, Placa NVIDIA, Outras ferramentas
- Para compilar a partir do código
- Python, Placa NVIDIA
- Espaço em disco
- 1,2 GB–5,1 GB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · Código sob Apache-2.0 e arquivos de modelo gratuitos para baixar; a eletricidade e a placa de vídeo são por sua conta.
- Licença
- Apache-2.0 (Permissiva)
- Pode substituir
- ElevenLabs, Murf, Fish Audio
- Última mudança no GitHub
- 25 de mai. de 2026
Sinais de risco de CosyVoice (6)
- AtençãoDependências com vulnerabilidades conhecidas
Dependências fixadas com vulnerabilidades conhecidas (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
checagem automática
- AtençãoClonagem de vozes de pessoas reais
O projeto se anuncia com "multi-lingual/cross-lingual zero-shot voice cloning" a partir de uma amostra curta, e o próprio aviso legal diz "The content provided above is for academic purposes only" e pede que as pessoas escrevam se algum exemplo violar seus direitos; copiar a voz de alguém é restrito em vários países.
revisão por IA
- InfoO repositório é uma cópia do projeto original
Este repositório é o QwenAudio/CosyVoice, mas todos os links do README apontam para FunAudioLLM/CosyVoice e o passo de instalação diz "git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git", então as instruções constroem o outro repositório, não este.
revisão por IA
- InfoInstalação a partir de um espelho com a verificação de certificado desligada
Comando de instalação do README: "pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com" — os pacotes vêm de um espelho da Alibaba e a opção --trusted-host desliga a verificação de certificado para esse endereço.
revisão por IA
- InfoDownloads grandes de modelos fora do GitHub
O README orienta baixar o Fun-CosyVoice3-0.5B, CosyVoice2-0.5B, CosyVoice-300M, -SFT, -Instruct e o recurso ttsfrd do ModelScope ou do Hugging Face, e o passo opcional do ttsfrd instala dois arquivos .whl que vêm dentro desse download.
revisão por IA
- InfoSem lançamentos e muitas issues abertas
O repositório não tem lançamentos no GitHub, tem 640 issues abertas e o último commit é de 2026-05-25 (168 dias antes da checagem), então você sempre instala o que estiver na branch principal naquele momento.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em CosyVoice
- Se funciona de fato no Windows ou no Mac, e quão lento fica ali sem uma placa NVIDIA.
- O uso real de disco: as checagens estimam de 1,2 a 5,2 GB, e isso depende de quantas pastas de modelo você baixar.
- As afirmações de qualidade e velocidade (150 ms de latência, as notas na tabela de avaliação) foram medidas pelos próprios autores.
- Quem consegue acessar a página web aberta pelo webui.py, que não tem login próprio.
- Quão boas são as vozes em idiomas além do chinês e do inglês.