最近玩酒馆时了解到了这个 tts 模型，实测下来效果不错，可惜目前找到的几个整合包都是闭源的，开源的还未适配 CosyVoice2 版本
于是就参考前人的代码和功能，结合 Cursor 实现了期望的一些功能，支持预训练音色/3s极速复刻/自然语言控制/自动识别/音色保存/API 等
在 Windows/macOS/Ubuntu on WSL 部署运行测试通过，并提供了适用于 Windows 的一键包
仓库地址：GitHub - journey-ad/CosyVoice2-Ex: CosyVoice2 功能扩充（预训练音色推理/3s极速复刻/自然语言控制/自动识别/音色模型保存/API）
Modelscope Demo，免费版用的 cpu 推理，很慢，建议自行下载部署