Синтез речи

CosyVoice / Fun-CosyVoice

Синтез речи с клонированием голоса по короткому образцу и потоковой выдачей для живого диалога. Третья версия поддерживает 9 языков, включая русский.

Клонировать голос можно только с согласия владельца голоса. Запись чужого голоса без разрешения и выдача её за подлинную — это отдельный риск, юридический и репутационный; порядок согласования лучше обсудить с юристом.

Разработчик
Alibaba (Tongyi, FunAudioLLM), Китай
Первый выпуск
июл 2024
Последний выпуск
дек 2025
Размеры
300M – 0.5B
Лицензия
Можно в коммерциюApache 2.0
Русский язык
Есть
Запуск
Через свой серверНужна видеокарта
Сферы
Поддержка клиентов, Маркетинг и контент, Медиа и продакшн, Образование
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Голос для бота и ассистента
  • Клонирование фирменного голоса
  • Озвучка роликов
  • Многоязычная озвучка

Где применяется

Колл-центрыМедиа и маркетингОнлайн-обучениеГолосовые боты

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
нет версий
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. Fun-CosyVoice 3 0.5B
  2. CosyVoice 2 0.5B
  3. CosyVoice 300M

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать CosyVoice / Fun-CosyVoice в коммерческом проекте?

Да. Лицензия: Apache 2.0. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для CosyVoice / Fun-CosyVoice?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Без видеокарты модель практически не работает. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли CosyVoice / Fun-CosyVoice русский язык?

Да, русский язык заявлен в карточке модели.

Где скачать CosyVoice / Fun-CosyVoice и сколько это стоит?

Веса CosyVoice / Fun-CosyVoice лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Статьи по теме

Похожие модели

Синтез речиQwen3-TTSAlibaba (Qwen) · КитайМожно в коммерцию

Синтез речи на 10 языках, включая русский: клонирование голоса по 3 секундам, готовые голоса и создание голоса по текстовому описанию.

ПодробнееСинтез речиVoxCPMOpenBMB (ModelBest, Университет Цинхуа) · КитайМожно в коммерцию

Синтез речи с клонированием голоса и естественной интонацией. VoxCPM2 поддерживает 30 языков, включая русский.

ПодробнееСинтез речиFish Speech / OpenAudioFish Audio · США / КитайТолько некоммерческое

Синтез речи с клонированием голоса и управлением эмоциями на 80+ языках, включая русский. Качество близко к платным сервисам, но веса только для исследований.

Подробнее

Источник: huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.