产品向您奔涌而来
CosyVoice 2 读不了英文,先检查什么? | New world · First Look
← 回到星系

First Look 整理 · 开始动手

CosyVoice 2 读不了英文,先检查什么?

先说结论:CosyVoice 2 本身支持英文,不必一上来就换模型。先把“读不了”分开看:是完全不出声、报错,还是能出声却把英文念错?第一步,只输入一句纯英文:Hello, welcome to my channel. 并确认正在使用的确实是 CosyVoice2-0.5B。若这句能读,模型基本可用,再检查原文是否中英混排、含特殊符号或句子太长,也看看你使用的软件有没有选错生成方式。若这句也读不了,用官方 CosyVoice 2 示例对照当前软件的调用方式和错误提示;第三方界面的问题,不等于模型不支持英文。如果是在模仿某个人的声音,参考录音只有中文时,生成的英语也可能带口音;“口音不准”和“不能说英文”是两件事。没有看到你用的界面和报错前,不能断定是哪一项。

补充说明:

如果英文能读出来,只是中英切换处生硬、断字或带口音,问题通常不在“模型不会英文”,而在输入格式和推理方式。

先看输入文本:中英文混排时,把中文全角标点(,。!?)统一成半角,中文字符与英文/数字之间留一个半角空格,去掉网址、代码、邮箱这类会被逐字念出来的内容。社区经验文章把这三项列为混排出错的高频原因,属于实操建议,不是官方硬性规定,可以先试。

再看推理模式:CosyVoice 提供 cross_lingual(跨语种复刻)模式,用一段参考音频的音色去读另一种语言的文本,合成文本前可加 <|en|>、<|zh|> 这类语言标记。如果你的目标是“用中文音色读英文句子”,应走跨语种复刻,而不是普通零样本复刻;普通复刻会带上参考录音的语言口音。

另外,参考录音只有中文时,生成的英文带口音是正常现象,想要更纯正的英文发音,可以换一段英文参考音频。以上跨语种模式说明来自 CosyVoice 产品文档,具体到你使用的版本和界面是否支持,需要对照官方仓库的推理示例确认。

举个例子

就像请配音员念稿:先递给他一张只写着“Hello, welcome to my channel.”的小纸条。念得出来,再检查那篇中英夹杂的长稿;连这张小纸条也念不出来,就检查是不是找错了配音员、选错了工作方式,或软件本身报错。 补充示例:输入“今天我们用 Python 写一个 demo。”时,改成中英文之间留单空格、标点统一半角,再选择跨语种复刻模式并加 <|en|> 标记,衔接通常会更自然。

来源与延伸资料

CosyVoice 官方项目说明 ↗

QwenAudio / FunAudioLLM · 文字 · 英文

CosyVoice 官方推理示例 ↗

QwenAudio / FunAudioLLM · 文字 · 英文

CosyVoice-300M Lite中文混合生成出错?多语言处理避坑指南 ↗

agent.csdn.net · 文字

CosyVoice 使用文档(含跨语种复刻说明) ↗

bce-cdn.bj.bcebos.com · 文字

接下来,你可能想知道

AI 配音和克隆某个人的声音,有什么不同? →除了 CosyVoice,还有哪些各管一件事的模型? →什么是 Vibe Coding? →
继续找相关资料