qwenaudio/cosyvoice는 텍스트를 자연스러운 음성 오디오로 바꾸는 다국어 대규모 음성 생성 모델 저장소다. Python으로 작성됐고 Apache-2.0 라이선스로 공개됐다. README가 핵심 시스템으로 소개하는 Fun-CosyVoice 3.0은 대규모 언어 모델 기반의 음성 합성 시스템으로, 저장소 설명은 추론·학습·배포를 모두 갖춘 풀스택 구성을 내세운다.
Fun-CosyVoice 3.0은 9개 언어와 18개 이상의 중국어 방언·억양을 지원한다. 다국어·교차언어 제로샷 음성 복제(짧은 음성 샘플만 참고해 새 화자의 목소리를 만들어 내는 기능), 발음 인페인팅(특정 구간의 발음을 직접 지정해 읽게 하는 기능), 텍스트 정규화(숫자와 기호를 읽기 쉬운 표기로 바꾸는 처리), 텍스트 입력·오디오 출력 스트리밍을 제공한다. README에는 실행 예제와 웹 데모, vLLM과 Docker를 이용한 배포 안내가 들어 있다. 저장소는 2024년 7월 3일 만들어졌고 별 수는 24082개다.
다만 주어진 자료에는 음질이나 응답 속도를 비교한 수치가 없다. 평가 점수도 신규성·기술·품질 항목이 채워지지 않고 모멘텀만 5.5로 남아 있다. 기록된 최신 릴리스가 없어 README에 적힌 Fun-CosyVoice 3.0 이후의 변경 흐름은 확인되지 않는다. 기능 범위와 배포 절차는 넓지만, 실제 음질과 지연 시간은 자료 안에서 검증되지 않는다.