CosyVoice Fun-CosyVoice3-0.5B-2512

阿里巴巴 · 该版本 2025-12-11 · tts轨

许可证 Apache-2.0（和 Kokoro 一样可商用；对比 Fish Speech 的研究许可 —— 同为「权重公开」，能不能做产品完全不同）。

11 项能力里 5 项支持、0 项不支持、6 项官方没说

逐项能力

预置音色

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 Fun-CosyVoice3-0.5B-2512未单独记核验日 · 数据截至 2026-10-19机器录入

音色复刻

支持跨语言的零样本音色克隆 —— 给一段参考音频即可用其音色合成

Hugging Face · Fun-CosyVoice3-0.5B-2512 模型卡官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-12机器录入

音色设计

2026-10-10 回查：Instruct 的语种、方言和情绪控制不等于从描述创建一个新音色；原先对音色设计的推断过度。原记录留在审阅档案。

官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-10-10机器录入

情绪与风格控制

支持通过 instruct 控制语种、方言、情绪、语速、音量等｜原文：「Instruct Support: Supports various instructions such as languages, dialects, emotions, speed, volume, etc.」

Hugging Face · Fun-CosyVoice3-0.5B-2512 模型卡官方来源核验版本 Fun-CosyVoice3-0.5B-2512未单独记核验日 · 数据截至 2026-10-19机器录入

多说话人

README 里的 `speaker` 出现在「speaker similarity」（音色相似度指标）里，不是多说话人。⚠️ 假命中，这一格没有依据

官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-14机器录入

多语言

「Covers 9 common languages（中英日韩德西法意俄），18+ 中文方言/口音」，并支持跨语言零样本

Hugging Face · Fun-CosyVoice3-0.5B-2512 模型卡官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-12机器录入

流式输出

「Support both text-in streaming and audio-out streaming，achieves latency as low as 150ms」—— 双向流式，明写

Hugging Face · Fun-CosyVoice3-0.5B-2512 模型卡官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-12机器录入

长文本异步

2026-10-10 回查：双向流式和 150ms 延迟不等于长文本异步任务接口；缺少长文本上限或异步能力的直接证据。原记录留在审阅档案。

官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-10-10机器录入

时间戳字幕

查过、零命中：README 全文没有 timestamp / alignment / 字幕相关说法

官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-14机器录入

格式与采样率

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 Fun-CosyVoice3-0.5B-2512未单独记核验日 · 数据截至 2026-10-19机器录入

开源权重

Apache-2.0。⚠️ 代码仓库已从 FunAudioLLM 迁到 QwenAudio 名下，权重仓库仍在旧组织。

Hugging Face · FunAudioLLM/CosyVoice2-0.5B官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-12机器录入