掘金· vilya·· 15 天前精选AI 评分78
Agent 语音引擎从 CosyVoice2 zero-shot 换成 GPT-SoVITS 微调，说话人余弦 0.06 升到 0.89
Agent 语音引擎换心记：从「够用」到「稳且好」
AI 导读
作者给 QQ 上的 Agent 做固定角色语音回复，先用 CosyVoice2 zero-shot 加频响补偿做到够用，再用自写脚本量出说话人余弦只有 0.06–0.09、底噪抖动达 30dB 的天花板。
借鉴点
可拿走一套 TTS 量化脚本（人声厚度、底噪 p10、说话人余弦）和 GPT-SoVITS v2 微调参数，把固定角色音色从 zero-shot 换成训练进权重，代价是要 100s 级清洗音源并接受 seed 抖动。
来源：掘金 · juejin.cn