Cosyvoice V3.5 Flash

为应用建立固定的声音形象

CosyVoice-v3.5-Flash 可以用复刻或设计的音色朗读文字，适合产品助手、课程讲解、客户通知和多语言播报。它支持实时流式语音合成，围绕发音、韵律、音质和声音表现进行优化，让应用在持续产生内容时也能保持相对统一的声音方向。

使用前需要创建适配 cosyvoice-v3.5-flash 的自定义 voice ID：有参考音频时可做声音复刻，希望从描述开始时可做声音设计。v3.5 没有系统预置音色，因此应把音色创建作为准备步骤，保存可用 ID 后再投入日常合成。已有其他系列音色时，先检查其适用模型，不宜直接复制使用。

既控制音色，也控制表达

复刻与设计音色都支持自由风格指令，可用自然语言要求平静、轻快、低声讲述或加强重点，也可以指定语速与停顿。音色决定主要声音特点，指令用于安排当次表达；不要通过不断更换音色来解决一处重音或停顿问题。

模型支持中、英、德、法、俄、日、韩、葡、泰、印尼、越南语。制作跨语言通知时，分别准备正文，检查品牌名称、缩写和金额读法，再用同一个声音方向试听。长篇内容可按段合成；实时应用则需要协调播放器缓冲与用户打断，避免多轮音频重叠。

北京地域基准价为 0.8 元/万计费字符，输出音频不另收费，按返回字符数结算。汉字通常计 2 个字符，SSML 标签不计入。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。

课程助手的调用准备

先完成声音复刻或设计，取得适配本模型的 voice ID。

朗读正文：“这一题先看条件，再确定需要计算的量。你可以暂停一下，试着画出题目中的示意图。”

instruction：“耐心清晰，语速稍慢，像辅导学生，在建议暂停处留出停顿。”

为什么不能只传一段声音描述？

声音描述用于设计音色；合成时应传创建成功的 voice ID，以及待朗读文本和本次表达指令。

多语言正文需要模型先翻译吗？

先准备并校对各语言文本，再逐份合成和试听，避免把翻译错误带入最终音频。