多来源参考音频
本地音频、视频与数据集路径统一进入预处理、切片与转写流程。
SPEECH AI · RESEARCH SYSTEM
Voice Story
围绕 CosyVoice 3 的零样本语音克隆系统：从参考音频处理、文本与情绪控制，到 CER、SECS、F0 的自动化评测闭环。
GPU 推理服务：后续接入
已验证的系统边界
三指标评测
用 CER、SECS 与 F0 追踪可懂度、相似度与韵律稳定性，而不只凭主观试听。
长文本失稳分析
实验定位了约 200 字后的质量退化边界，为分段合成与提示词策略提供依据。
当前展示页公开研究成果与系统设计。完整合成链路需要 CUDA GPU、CosyVoice 模型和合规的参考音频授权，因此不在此轻量服务器上开放推理。