CosyVoice 音声クローンエンジン

CosyVoice（Alibaba オープンソース）は、業界トップクラスの大規模音声合成モデルであり、多言語合成とゼロショット（Zero-shot）音声クローン機能を備えています。

---

🌟 主な特長

• 3秒での高速クローン：わずか 3〜10 秒の参照音声を渡すだけで音色を正確に再現。
• 感情と韻律の制御：感情タグや自然な口語的表現のコントロールをサポート。
• 動作環境：NVIDIA GPU (CUDA 12.x) 環境での実行を推奨。