Cosyvoice V3 Flash

为持续更新的文稿配音

CosyVoice-v3-Flash 能将文字实时流式合成为语音，适合课程说明、产品讲解、客服回复和角色旁白。它关注自然度、音质、韵律与情感表现；需要自定义声音时，可以先用 5—20 秒参考录音创建复刻音色，再为后续文稿重复使用相应 voice ID。

模型的声音复刻支持多种语言，包括德语、西班牙语、法语、意大利语和俄语等。制作多语言版本时，分别准备各语言的准确正文，重点试听人名、品牌词和数字。复刻主要建立声音特点，不能代替文稿翻译、术语校对或实际试听。

根据音色选择指令方式

v3-Flash 的复刻与设计音色可以使用自由风格指令，描述语气、语速和表演方向。系统音色则要使用其支持的固定指令格式，不能把自定义音色的任意指令直接套用。做角色配音时，可先固定音色，分别试听平静解释与紧张提醒，确认情绪变化是否符合场景。

业务播报还需要处理文本的可读性：将缩写、长数字串和分隔符改写成易于听懂的表达。连续数字用点号“·”分隔时，本模型可能出现漏读或重复，可改用中文逗号并试听。长文按语义分段，避免在地址、金额或完整词语中间切开。

北京地域基准价为 1 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。

角色讲解试音

使用已创建的本模型复刻或设计音色，输入正文：“别着急，我们先把地图展开。沿着河流一直向北，就能找到下一处标记。”

instruction：“像耐心带路的伙伴，语气自然，前句安抚，后句清晰强调方向。”

系统音色也能照写这段指令吗？

系统音色使用其支持的固定指令格式；上面的自由描述适用于复刻或设计音色。

数字播报漏读如何排查？

先检查正文分隔符。用“·”串联的数字可换成中文逗号，必要时改写为完整口语，再单独试听。