展开本页目录
开始前准备什么
- 下载本页素材，使用有权处理的声音，保留原始输入。
- 为对应工具建立独立 Python 环境，核对实际模型与版本。
- 先在小样中试听并保留失败记录，再处理长录音。
- 准备与文字逐句一致的参考
- 按当前官方路径建独立环境
- 选择 Fun-CosyVoice3 权重
- 区分参考文字和待朗读文字
- 运行并逐块保存真正输出
- 逐字试听再进入视频工程
本任务输入、脚本、原始输出或明确待运行模板、原文、校验与损坏负例；不含模型权重。
macOS say 合成的本站原创任务输入；不是模型生成成功证明。
朗读输入与回听依据，独立于机器实际稿。
包含具体命令、步骤、来源与未运行范围。
保留原始文件；准确性需回听，脚本存在不代表模型已运行。
1. 准备与文字逐句一致的参考
下载 reference.wav 和 reference.txt：这是 macOS Tingting 合成的原创教材输入，不是真人声音或 CosyVoice 成功结果。自己的任务请换成自录或明确获使用许可的录音，并准确抄写参考语音。
2. 按当前官方路径建独立环境
官方原 FunAudioLLM 地址已跳转 QwenAudio/CosyVoice，参考 README 建 Python 3.10 独立环境及子模块。安装重量较大，本次未安装或运行 CosyVoice，不用 tiny ASR 结果冒充 TTS。 将 --repo-dir 设为已安装依赖的 CosyVoice 克隆目录；--model-dir 使用该目录中实际模型的绝对路径。运行脚本的数据文件仍从素材包所在目录读取。
3. 选择 Fun-CosyVoice3 权重
按官方模型路径下载对应权重并设置 model_dir。下载材料里的 run-cosy.py 使用 AutoModel；不要把百炼云端 cosyvoice-v3.5 API 名称当作开源权重目录。
run-commands.sh
python run-cosy.py --repo-dir /path/to/CosyVoice --model-dir /path/to/CosyVoice/pretrained_models/Fun-CosyVoice3-0.5B
python check.py --result generated.json4. 区分参考文字和待朗读文字
reference.txt 描述参考录音，target.txt 是新的旁白。CosyVoice3 官方样例在提示文字前使用 You are a helpful assistant.<|endofprompt|>，保留结构并检查两份文字没有混淆。
5. 运行并逐块保存真正输出
run-cosy.py 把 tts_speech 的音频块按 sample_rate 保存。必须完整迭代并记录实际 WAV；本页试听检查表初始状态为 pending，没有空白文件冒充模型输出。
6. 逐字试听再进入视频工程
核对漏字、重复、数字和段尾，不能只比较音色。把实际生成 WAV 的 hash、采样率与试听结果关联；通过后再接已有视频混音页。
7. 下载材料、检查负例与继续操作
解压素材包后先运行 python check.py，再运行 python check.py --self-test。前者读取真实 WAV / JSON / SRT 与源 hash；后者拒绝损坏 WAV、倒置时间、越界时间和缺失词时间。文件通过不代表文字、情绪或说话人判定已通过。
怎样确认已经完成
- 参考文字与有权使用的参考声音逐句一致。
- 开源模型目录与云 API 名称区分。
- 真实输出完整试听，教材与 pending 记录不冒充生成。
常见问题
参考音频一定要三秒吗？
本页不承诺三秒固定阈值或任何声音百分百相似；按当前模型要求准备清晰有权使用的参考并实测。
apizt 能直接调用这个模型吗？
本教程使用开源本地 CosyVoice 路径，未据此验证 apizt 音频端点。平台文本 API 可辅助写稿，实际音频生成需对应模型环境。