模型介绍
中文整理Fun-CosyVoice3-2512 ONNX 模型（flow & hift）
本仓库提供 CosyVoice3 部分模块的 ONNX 格式模型，包括：
flow fp32.onnx （全精度 flow 模型）
flow fp16.onnx （半精度 flow 模型）
hift.onnx （全精度 hift 模型）
flow hift fp32.onnx （全精度 flow 和全精度 hift 组合模型）
flow hift fp16.onnx （半精度 flow 和全精度 hift 组合模型）
模型使用方式请见 GitHub 仓库。
CosyVoice 的其它模块请从 CosyVoice3 官方项目 获取。
我开源了 CosyVoice 的 ONNX 适应的模块代码和转换脚本，如果想了解如何转换，请见 CosyVoiceForOnnx。
模型输入与输出
flow fp32.onnx / flow fp16.onnx
- *输入：**
- token (int64)
- prompt token (int32)
- prompt feat (float32 / float16)
- embedding (float32 / float16)
- flow hift combined fp32.onnx 要求全部输入为 float32
- flow hift combined fp16.onnx 要求全部输入为 float16
- *输出：**
- tts mel (float32)
hift.onnx
- *输入：**
- speech feat (float32)
- *输出：**
- generated speech (float32)
flow hift fp32.onnx / flow hift fp16.onnx
- *输入：**
- token (int32)
- prompt token (int32)
- prompt feat (float32 / float16)
- embedding (float32 / float16)
- flow hift fp32.onnx 要求全部输入为 float32
- flow hift fp16.onnx 要求全部输入为 float16
- speed (float32 标量)
- *输出：**
- generated speech (float32)
注意事项
所有输出均为 float32。
输入精度需严格匹配。
注意组合模型 token 输入由 int64 改为 int32。输入 speed 是 fp32 标量，作为倍率控制语速。
致谢
原始模型来自 Fun-CosyVoice3-2512 官方项目。本仓库仅提供 ONNX 格式转换及适配。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。