• Работает с 9 языками: русский, английский, китайский, японский, корейский, немецкий, испанский, французский и итальянский

• Клонирует голос по 3 секундам аудио — воспроизводит тембр, акцент, скорость речи, ударения и даже речевые особенности

• Поддержка инструкций: поддерживает различные инструкции, такие как языки, диалекты, эмоции, скорость, громкость и т. д.

• Распознаёт эмоции и дефекты речи: чавканье, шипение, картавость, всхлипы

• Генерирует в реальном времени с задержкой около 150 мс

• Позволяет вручную корректировать произношение отдельных слов — удобно для сложных терминов

• Доступна для коммерческого использования в любых проектах

Самый простой и удобный способ в 2026 году на macOS:

1) Установи Miniconda (или Anaconda), если ещё нет
https://docs.conda.io/en/latest/miniconda.html
2) Создай среду и установи зависимости:
conda create -n cosy3 python=3.10 -y
conda activate cosy3

# Важно: используй pip с зеркалом, если в РФ/Европе медленно без VPN
pip install -r https://raw.githubusercontent.com/FunAudioLLM/CosyVoice/main/requirements.txt -i https://mirrors.aliyuan.com/pypi/simple/

# Если sox не находится — ставим через brew
brew install sox

3) Скачай модель (самый быстрый способ через huggingface-cli)
# Установи hf-hub если ещё нет
pip install huggingface_hub[cli]

huggingface-cli download FunAudioLLM/Fun-CosyVoice3-0.5B-2512 --local-dir pretrained_models/Fun-CosyVoice3-0.5B
huggingface-cli download FunAudioLLM/CosyVoice-ttsfrd --local-dir pretrained_models/CosyVoice-ttsfrd

4) Запусти WebUI (самый удобный интерфейс)
git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git
cd CosyVoice

# Если submodule не скачался — выполняй
git submodule update --init --recursive

# Сам запуск
python webui.py --port 8501 --model_dir pretrained_models/Fun-CosyVoice3-0.5B
Открой в браузере http://127.0.0.1:8501
Там будет интерфейс похожий на XTTS / Piper / StyleTTS — вводишь текст, выбираешь режим (zero-shot, instruct, cross-lingual), грузишь референсный аудио-файл (3–10 сек голоса) и генерируешь.

Вот что будет дальше:
🧬 Клонируйте пользовательские голоса и эмоции, используя небольшой пример
📄 Загружайте документы (pdf, epub, docx и т.д.)
🎙 Генерируйте диалоги с несколькими дикторами.
✅ Поддержка дополнительных языков
✅ Улучшено управление проектами
✅ И многое другое из ваших отзывов

✨ Ключевые особенности:
- Автоматическое обнаружение - Scraps Hugging Face, ModelScope (китайские модели) и многое другое для новых моделей с искусственным интеллектом
- С учетом аппаратного обеспечения - Ориентирован на модели, работающие с видеопамятью объемом менее 24 ГБ (большинство потребительских графических процессоров).
- Красивая панель управления - веб-интерфейс для просмотра, фильтрации и поиска моделей
- Отслеживание китайских моделей - Особое внимание Qwen, DeepSeek и другим китайским моделям
- Оценки размера - Приблизительные оценки в ГБ, чтобы вы знали размеры загрузок
- Метаданные GGUF - извлекает подробную информацию о квантовании GGUF
- Автозапуск - автоматически открывает браузер при запуске
- Еженедельные обзоры - Автоматические отчеты о новых моделях.