Cosyvoice V1

让文字内容也能听

CosyVoice-v1 是结合文本理解与语音生成的语音合成模型，可把文章、讲解稿和应用提示转换成音频。它适合阅读辅助、知识内容朗读、课程片段和服务播报，也可配合音色注册服务使用定制声音。输入应是已经确定的朗读正文，内容问答和事实整理需要在合成前完成。

为耳朵重新整理文稿

文章中的小标题、括号说明和表格不宜原样连续读出。可以先把标题改为自然过渡，把表格改写成几句有顺序的比较，把网址、代码和内部字段删改为必要说明。段落之间保留清楚的语义停顿，让用户在没有屏幕的情况下也能跟上内容。

选择适配 cosyvoice-v1 的音色后，先用实际文稿中的开头、长句和专有名词试听，再决定分段方式。使用定制音色时，应保存正确的 voice ID，并确认它适配目标模型。长篇按自然段或小节合成，检查片段拼接后是否出现不自然停顿，避免在完整词语或同一条指令中间截断。

模型支持文本到语音的实时流式合成。应用可逐段接收音频并播放，也需要自行管理播放顺序、缓冲和停止操作。制作离线成品时，应保存音频文件，方便后续剪辑、分发和重复播放。

北京地域基准价为 2 元/万计费字符，输出音频不另收费。汉字通常计 2 个字符，SSML 标签不计入，按返回字符数结算。美元基准按 1 美元 = 6.8 元换算，最终费用应用账户分组倍率。

把知识文章做成音频

选定适配本模型的音色，输入整理好的正文：“接下来介绍三种保存食物的方法。第一种是冷藏，适合短期储存。第二种是冷冻，使用前需要预留解冻时间。最后一种是干燥保存。”

先试听列举顺序与句间停顿，再按小节处理全文。

表格能直接朗读吗？

先把行列关系改写成完整句子，明确比较对象与结论，避免只读出一串失去上下文的数据。

输出音频会替我检查内容吗？

应先校对正文，再进行合成。模型生成声音不代表文章中的数字、事实或术语已经审核。