CosyVoice Desktop

面向多角色有声内容创作的桌面端 TTS 工具，基于 Cosyvoice3 TTS大模型 构建，提供文本编辑、角色配置、批量生成和本地 API 服务。

详细教程、页面说明、排错和完整更新记录已迁移到 Wiki： https://github.com/Moeary/CosyVoiceDesktop/wiki

核心能力

• 多角色语音配置：角色名、参考文本、参考音频、模式、颜色统一管理。
• 文本分段标注：支持右键 / Ctrl+数字 手动打标签。
• AI 角色分配：调用 OpenAI 兼容 LLM 按段落自动识别角色，可手动确认或全自动应用。
• 本地 TTS API：兼容 OpenAI TTS 风格接口,并提供酒馆以及 CosyVoice 原生接口。
• 模型下载与配置记忆：路径、项目、角色配置自动持久化。

界面示例

• 
• 
• 

快速开始

1. 下载与启动

• 发行版下载： GitHub Releases
• 项目主页： Moeary/CosyVoiceDesktop

启动后按下面顺序使用：

0. 双击 StartCosyvoice.bat 启动GUI应用，或使用 pixi start run 命令。
1. 在“模型下载”页面准备 wetext 和 CosyVoice3 模型。
2. 打开语音设置页面，创建或导入角色配置，选择参考音频并点击"应用配置"（后续启动会自动加载）。
3. 切换到文本编辑页面，输入或粘贴待合成文本，通过快捷键（Ctrl+数字）或右键工具菜单为不同段落分配语音配置（不同颜色标记）。
4. 点击一键运行（或将任务转换为计划任务），切换到计划任务页面，查看任务执行日志和输出。
5. 若合成效果不满意，可在计划任务页面点击"三角形运行按钮"进行重Roll。
6. 所有段落合成完成后，点击"合成音频"按钮（需要ffmpeg环境），将分段音频合并为完整音频文件。

CosyvoiceDesktop_Demo_AV1.mp4

文档入口

• 新手教程： Wiki Home
• 问题反馈： Issues

说明

• 详细安装步骤、模型下载说明、页面教程、FAQ、更新日志和示例素材说明已迁移到 Wiki。
• 请确保你对输入文本、参考音频和生成内容拥有合法使用权。

用户协议

1. 本项目基于 CosyVoice 开源能力，遵循原项目许可证及使用规范。请在下载和部署前阅读并遵守 CosyVoice 官方条款。
2. 用户在创作过程中应确保拥有使用输入文本、参考音频及生成内容的合法权利，不得侵犯第三方的版权、肖像权或其他合法权益。
3. 禁止将本项目用于任何违法、违规或违背公共秩序与善良风俗的用途；如因违规使用导致损失，责任由用户自行承担。
4. 项目提供的打包版本及脚本仅供个人学习与研究使用，未经许可不得用于商业再发行或转售。
5. 项目维护者保留依据法律法规或社区反馈随时更新、暂停或终止服务与支持的权利。

使用 CosyVoiceDesktop 即视为同意上述协议条款。若您不同意任何条款，请立即停止使用并删除相关文件。