Windows系统下安装部署CosyVoice阿里最强语音克隆模型

在中文TTS技术领域，最近一年涌现出众多优秀方案，如GPT-SoVITS、ChatTTS和Fish TTS等，它们都以其出色的表现赢得了众多关注。但若论及实力，阿里巴巴无疑最强。其通义千问大模型在全球范围内都是顶尖的存在，而最新推出的CosyVoice，效果也非常棒，个人认为应属中文TTS顶流吧。

亲自体验了下CosyVoice，合成效果确实很不错。官方目前仅提供了Linux的安装指南，我特别为Windows用户撰写了一份详细的安装部署说明，并添加了一个API接口文件——api.py，以便更加便捷地使用CosyVoice。

CosyVoice开源地址 github.com/FunAudioLLM…

Modelscope在线体验 www.modelscope.cn/studios/iic…

支持 中文、英文、日语、韩语、粤语，对应语言代码分别是 zh|en|jp|ko|yue

本文主要内容有

1. 安装部署 CosyVoice 官方项目

2. CosyVoice的3种语音合成方式

3. 在 WebUI 界面中使用

4. 使用 API 服务

5. API 使用注意问题

6. 在pyVideoTrans中使用

安装部署 CosyVoice 官方项目

部署采用 conda，也强烈建议这种方式，否则可能无法成功安装，遇到的问题会非常多，有些依赖无法Wndows上使用pip是无法成功安装的，例如 pynini

1. 下载并安装miniconda

miniconda是一个conda管理软件，在windows上安装很方便，和普通软件一样一路next即可完成。

下载地址 docs.anaconda.com/miniconda/

下载完毕后双击 exe 文件，

需要注意的只有一点，在下图这个界面，需要选中上面2个复选框，否则后边操作会有点麻烦。 第二个框选中的意思是“将conda命令加入系统环境变量”，如果不选中,在使用 conda 命令时会报错 “conda不是内部或外部命令”。

然后点击 “install” 等待完成后close即可

2. 下载 CosyVoice源代码

先创建一个空目录，比如在D盘下建立一个文件夹 D:/py，后续以此为例说明

打开CosyVoice开源地址 github.com/FunAudioLLM…

下载后解压，将其中CosyVoice-main目录内的所有文件复制到 D:/py中

3. 创建一个虚拟环境并激活

进入 D:/py 文件夹内，地址栏中输入cmd然后回车，会打开一个cmd黑窗口

在该窗口中输入命令conda create -n cosyvoice python=3.10 然后回车，即创建一个名称为“cosyvoice”、python版本为“3.10”的虚拟环境，

继续输入命令conda activate cosyvoice回车，即激活了该虚拟环境，只有激活后，才可继续进行安装、启动等操作，否则必然出错。

激活后的标志是命令行开头增加了“(cosyvoice)”字符

4. 安装 pynini 模块

该模块在windows下只有用conda命令才可安装，这也是开头建议windows上使用conda的原因。

继续在上面打开并激活环境的cmd窗口中输入命令 conda install -y -c conda-forge pynini==2.1.5 WeTextProcessing==1.0.3 回车

注意：安装中会出现一个要求输入确认的提示，此时输入y然后回车，如下图

5. 安装其他一系列依赖，使用阿里镜像

打开requirements.txt文件，删掉最后一行的WeTextProcessing==1.0.3,否则肯定是安装失败的，因为这个模块依赖 pynini,而pynini在windows的pip下无法安装

然后在 requirements.txt 里增加一行 Matcha-TTS

如果要使用 api 服务，必须再增加2行内容，分别是 flask和 waitress

继续输入命令

pip install -r requirements.txt   -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

并回车，等待一段漫长的时间后，无意外即安装成功了。