CosyVoice 2.0 是阿里巴巴通义实验室推出的CosyVoice语音生成大模型升级版，模型用有限标量量化技术提高码本利用率，简化文本-语音语言模型架构，推出块感知因果流匹配模型支持多样的合成场景。CosyVoice 2 在发音准确性、音色一致性、韵律和音质上都有显著提升，MOS评测分从5.4提升到5.53，支持流式推理，大幅降低首包合成延迟至150ms，适合实时语音合成场景。

CosyVoice 2.0 – 阿里开源的语音生成大模型 第1张
（图片来源网络，侵删）
CosyVoice 2.0 – 阿里开源的语音生成大模型 第2张
（图片来源网络，侵删）