CosyVoice 是一款开源项目：阿里通义实验室开源的多语言语音合成模型。

这篇写给播客主：围绕选题与提纲、音频后期和节目笔记与切片这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

播客主的三个高频用法

1. 选题与提纲

在 CosyVoice 中可以这样提：

围绕【主题】设计一期 40 分钟播客提纲：开场、3 个讨论板块（每块 3 个问题）、嘉宾介绍和结尾互动。

把关：板块时间分配合理。

2. 音频后期

可直接复制到 CosyVoice 里修改：

这期录音有底噪和长停顿，请给出后期处理清单：降噪、音量统一、删除停顿的参数建议，以及需要保留的自然语气。

把关：处理后人声自然。

3. 节目笔记与切片

在 CosyVoice 中可以这样提：

根据这期节目转写写节目笔记：内容简介、时间轴章节、提到的资源链接，并选出 3 个适合做短视频切片的片段。

把关：时间轴与音频一致。

也可以试试：分轨练习

这是「音频与语音」类工具的通用任务，播客主同样用得上。

把这首歌分离成人声、鼓、贝斯和其他乐器，并把伴奏降低两个半音，方便练唱。

边界与合规

嘉宾声音和内容的再利用需取得同意。

  • 产出由播客主本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；CosyVoice 的同类还有 GPT-SoVITS、F5-TTS。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 CosyVoice 纳入日常流程。

更多可以试的用法

短视频配乐

输入：一条 30 秒视频的情绪与节奏。

生成一段 30 秒的背景音乐：轻快、温暖、无人声，前 5 秒渐入，结尾干净收尾，适合生活类短视频。

交付前确认：结尾没有突然截断。

会议录音转写

准备材料：一段 1 小时的会议录音。

转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。

交付前确认：专有名词按名单校正。

有声读物试音

准备材料：一个章节的文本。

用两种不同的声音风格朗读这一章节的前 300 字：一种沉稳叙述，一种轻松亲切，对比后选择更适合的版本。

验收标准：两种风格差异明显。

常见问题：转写错字集中在专有名词

提前提供人名、产品名词表，转写后批量替换。

常见问题：降噪后声音发闷

降低处理强度，宁可保留少量底噪。

常见问题：克隆音色不稳定

使用更干净、更长的样本，避免背景音乐和回声。

概念补充：人声分离

把歌曲或录音拆分为人声与伴奏等音轨。

概念补充：采样率

每秒采样次数，影响音质与文件大小。

适合人群：音乐人

音乐人可以用 CosyVoice 处理编曲灵感、分轨练习等工作。需要注意：AI 生成音乐的版权归属以平台条款为准，发行前确认。

适合人群：游戏开发者

游戏开发者可以用 CosyVoice 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。

注意事项

文中提示词和示例仅作示意，实际效果取决于你的材料和 CosyVoice 当前版本，重要内容请人工核对后再使用。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读