CosyVoice 2

它适合把文字实时转成语音的场景，比如语音助手、对话机器人、实时播报和有声内容制作。核心价值在于流式合成和低延迟，也就是文字一边输入、语音一边产出，比较贴近需要即时发声的产品。

它是一款多语言语音合成模型，面向跨语种的语音生成需求。具体覆盖哪些语种和方言，建议按官方说明或实际接入测试来确认，不同语种的合成表现也可能存在差异。

它更偏向模型形态，通常需要开发者接入应用后才能使用，不像网页工具那样打开就能输入文字出音频。如果你不具备开发条件，可以留意是否有基于它搭建的现成应用，或考虑使用面向普通用户的配音工具。

流式合成让语音可以边生成边播放，用户不必等整段文字处理完才听到声音。在对话式交互或实时播报中，这能明显减少等待感，让语音回应更接近自然交流的节奏。

由于它是以语音合成能力的形式提供，使用前通常需要具备接入和调试的开发条件，并准备好文字输入到语音输出的流程。具体的接入方式、支持的输入格式与调用限制，需要以官方说明为准。