Fun-CosyVoice3-0.5B

Fun-CosyVoice3-0.5B

在 Gradio 演示里把文字转成九种语言和多种中文方言的语音，支持零样本声音克隆，适合测试语音合成的人。

由 FunAudioLLM 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Fun-CosyVoice3-0.5B 是 FunAudioLLM 团队基于大语言模型做的文字转语音系统。这个 Space 是它的 Gradio 演示，在 Hugging Face 的 GPU 硬件上运行。它用于跨语言的语音合成，只需一小段样本就能模仿某个声音，不用额外训练。

适合谁：需要多种语言自然合成语音的人，以及想听听最新开源语音模型效果的人。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 视频和音频制作人 | 用不同语言添加旁白 | 用西班牙语朗读一份脚本
软件 | 语音应用开发者 | 在放进产品之前先测试语音模型 | 听流式输出来感受延迟
教育 | 语言老师 | 听文本用某种语言或方言朗读 | 播放一句话的四川话版本
研究 | 语音研究人员 | 比较合成质量和发音控制 | 对一个难读的词试用拼音或音素提示

只需要普通读屏软件的人可以跳过它，因为这是模型演示。

用在哪里：

• 浏览器，访问 Hugging Face 上的这个 Space
• 装有 Python 的 Windows、macOS 或 Linux，用于在自己的电脑上运行副本
• app.py 运行起来之后的本地 Gradio 页面

用例 | 谁用 | 得到什么
朗读文字 | 制作人和老师 | 九种语言之一或某种中文方言的语音
用样本克隆声音 | 开发者 | 听起来像所给声音的语音
控制朗读方式 | 研究人员 | 由情绪、语速或音量指令塑造的语音

如何设置：

• Windows、macOS 或 Linux 上的 Python 和 pip
• requirements.txt 里的 Python 软件包
• Gradio 6.1.0，也就是这个 Space 使用的版本
• GPU，因为这个 Space 设为 zero-a10g

1. 安装 Hugging Face 的 hub 软件包。
2. 用 hf 命令下载这个 Space。
3. 进入新建的文件夹。
4. 安装 Space 使用的版本的 gradio，再安装列出的软件包。
5. 用 Python 启动应用。

pip install -U huggingface_hub
hf download FunAudioLLM/Fun-CosyVoice3-0.5B --repo-type space --local-dir Fun-CosyVoice3-0.5B
cd Fun-CosyVoice3-0.5B
pip install gradio==6.1.0
pip install -r requirements.txt
python app.py

如何使用：在线使用时，访问 Hugging Face 上的这个 Space，输入要朗读的文字，如果页面要求，再添加一段声音样本。在自己的电脑上，运行启动命令，再打开 Gradio 提供的本地页面。

python app.py

工具 | 作用
app.py | 启动 Gradio 界面
requirements.txt | 列出要安装的 Python 软件包
zero_shot_prompt.wav | 仓库里保存的一个声音样本文件
cosyvoice | 模型代码文件夹

示例：你输入一句英文，并提供一小段声音样本。演示会朗读这句话，力求听起来像样本里的声音。

新手与专家：如果你刚接触，先用你懂的语言试一句短话，听听结果。零样本的意思是：声音是从样本里复制来的，不用为它再训练新模型。

如果你熟悉这个领域，README 列出了 9 种语言和 18 种以上的中文方言和口音。它还列出了用中文拼音和英文 CMU 音素做发音修补、不依赖传统前端的文本规范化，以及延迟低至 150ms 的双向流式。指令可以设定语言、方言、情绪、语速和音量。

你输入文字和声音样本
语言模型规划语音
语音模型生成音频
你在浏览器里播放结果

注意事项：

Title: 中文测试集上的字错误率，越低越好
MiniMax-Speech: 0.83 %
Fun-CosyVoice3-0.5B-2512_RL: 0.81 %
Fun-CosyVoice3-0.5B-2512: 1.21 %
Seed-TTS: 1.12 %
CosyVoice2: 1.45 %
F5-TTS: 1.53 %

• Languages: 九种常见语言，外加 18 种以上的中文方言和口音
• Hardware: 这个 Space 设为 zero-a10g
• License: apache-2
• Cost to run: GPU 硬件，没有提到任何 API 密钥或付费服务
• Data it reaches: 你提供的文字和声音样本，以及它从 Hugging Face 获取的模型

Hugging Face 上的数据（2026年11月13日）

• 点赞：87
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/FunAudioLLM/Fun-CosyVoice3-0.5B
• 文件：https://huggingface.co/spaces/FunAudioLLM/Fun-CosyVoice3-0.5B/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。