qwenaudio/cosyvoice 是一个把文本转换为自然语音音频的多语言大规模语音生成模型仓库。项目使用 Python 编写，并以 Apache-2.0 许可证公开。README 将其作为核心系统介绍的 Fun-CosyVoice 3.0 是一个基于大语言模型的语音合成系统，仓库说明强调其具备涵盖推理、训练与部署的全栈配置。
Fun-CosyVoice 3.0 支持 9 种语言和 18 种以上的中文方言与口音。它提供多语言、跨语言零样本音色克隆（仅参考一小段语音样本就能生成新说话人的声音）、发音修补（直接指定某一段的发音并朗读）、文本正则化（把数字和符号转换为易读的写法），以及文本输入与音频输出的流式处理。README 中包含运行示例、网页演示，以及使用 vLLM 和 Docker 的部署说明。该仓库创建于 2024 年 7 月 3 日，星标数为 24082。
不过，给定资料中没有比较音质或响应速度的数值。评估分数中的新颖性、技术、质量各项均为空，只有动量一项为 5.5。由于没有记录在案的最新版本，README 中所写的 Fun-CosyVoice 3.0 之后的变更情况无法确认。功能范围和部署流程都很宽泛，但实际音质与延迟并未在资料中得到验证。