### 如何在 Python 中使用成功本地部署的 CosyVoice #### 安装依赖库 为了能够正常运行 CosyVoice 的功能，首先需要安装所需的依赖项。可以通过 `requirements.txt` 文件来自动安装这些依赖项。 ```bash pip install -r requirements.txt ``` 如果环境中缺少某些特定模块（例如 PyTorch 或其他深度学习框架），可能还需要手动安装它们。确保环境中的 PyTorch 版本与模型兼容[^1]。 --- #### 导入必要的模块并加载模型 在 Python 脚本中导入所需模块，并通过指定路径加载已经下载好的模型权重文件： ```python from cosyvoice import CosyVoice import torch model_path = "cosyvoice2-0.5B.pth" device = "cuda" if torch.cuda.is_available() else "cpu" # 初始化模型实例 model = CosyVoice(model_path=model_path, device=device) ``` 这里需要注意的是，设备参数会根据是否有可用 GPU 自动调整为 `"cuda"` 或 `"cpu"`[^1]。 --- #### 文本到语音转换 (TTS) ##### 基础 TTS 功能 可以调用 `tts()` 方法实现基本的文字转语音操作。以下是简单的例子： ```python text = "你好，欢迎使用 CosyVoice 进行高质量语音合成！" output_wav = "output.wav" # 执行文字转语音 model.tts(text=text, output_file=output_wav) print(f"语音合成完成，已保存至 {output_wav}") ``` 此代码片段将输入字符串合成为音频文件，并将其存储为 `output.wav`[^1]。 --- ##### 高级选项：选择不同音色 除了基础的声音外，还可以设置额外参数来自定义输出效果，比如切换不同的预训练音色配置。假设存在多个音色可供选择，则可通过如下方式更改默认行为： ```python speaker_id = 1 # 更改 speaker_id 来选取其他音色 speed_scale = 1.0 # 控制语速比例，默认值为 1.0 表示标准速度 pitch_scale = 1.0 # 控制音高变化范围 energy_scale = 1.0 # 影响声音能量强度 model.tts( text=text, output_file=output_wav, speaker_id=speaker_id, speed_scale=speed_scale, pitch_scale=pitch_scale, energy_scale=energy_scale ) ``` 以上参数允许更精细地控制最终生成的结果质量。 --- #### Windows 平台上的注意事项 对于 Windows 用户来说，在克隆仓库时需特别注意避免目录结构中含有任何中文字符，因为这可能会引发潜在错误。具体步骤可参照以下命令序列执行初始化过程： ```bash git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git cd CosyVoice git submodule update --init --recursive ``` 此外，还需确认所有必需工具链均已正确安装完毕后再继续后续开发工作流程[^2]。 ---