飞桨开源社区博客

CosyVoice: A Scalable Multilingual Zero-shot Text-to-speech Synthesizer based on Supervised Semantic Tokens

• 论文链接：https://arxiv.org/pdf/2407.05407
• 项目链接：https://github.com/FunAudioLLM/CosyVoice

“我之前以为 GLCC 就是大厂开放一些边角料课题给在校生练练手，但参与之后发现，飞桨的赛题足够硬核，它的难度、复杂度、完备度都远超我的预期。最终，它给我的收获也远超预期。”

从文档深耕到模型适配，2 个月集训见证 29 位新 contributor 蜕变