CosyVoice3 本地部署：声音克隆与 18 种方言 TTS

CosyVoice3 本地部署！声音克隆 TTS！支持9种语言，18种中文方言！消费级显卡可运行！

AI 声音与配音视频教程· 进阶· 14 分钟· UP 主 FutureAI实验室· CosyVoice3 / 语音克隆 / AIGC

▶ 3.5万播放

FutureAI实验室主讲的AI 声音与配音教程：CosyVoice3 本地部署：声音克隆与 18 种方言 TTS。15 分钟覆盖完整流程，配套要点见下方清单

这套教程讲什么

FutureAI实验室主讲的AI 声音与配音教程：CosyVoice3 本地部署：声音克隆与 18 种方言 TTS。15 分钟覆盖完整流程，配套要点见下方清单

搭起自己的音色库与配音流程

做企业宣传片、课程讲解，需要批量出多语种旁白的制作团队。

同一条文案先跑 2–3 个音色，关掉画面盲听比较再定稿。情绪、停顿、重音的差别在盲听里最明显，盯着参数表反而容易选错。

本地部署和在线工具有什么差别？

在线版省事但按量计费、声音要上传；本地版一次性投入算力，长音频与隐私场景更划算。

能做出情绪起伏吗？

多数模型支持情绪或风格提示，配合标点断句与分段生成最明显，整段一次性生成通常最平。

AI 配音听起来机械怎么办？

先改稿：拆长句、补标点、把书面语换成口语，再调语速与情绪。

声音这条线上其实跑着两种完全不同的活：一种是把文字念出来（TTS 配音、有声书、口播旁白），另一种是把一个人的声音换成另一个人的声音（音色克隆、变声、AI 翻唱）。前者考的是文稿和参数，后者考的是素材质量和训练流程，混着学很容易两边都卡住。本分类按这两条路径分开整理，看到标题就知道自己该补哪一块。