声谷 · 语音助手

记住后，回到顶部「当前音色」选择它，即可用该音色朗读任意文字 / 歌词（CosyVoice3 零样本克隆）。

MOSSFormer2 是语音分离模型：把混合音频中的不同声源（如两个说话人、人声与背景噪音）分离成 2 路。若是「歌曲人声 - 伴奏」分离，建议后续接入 Demucs，届时同一入口即可调用，无需改前端。

管线：SenseVoice 转写并取前 8 秒做零样本参考 → Ollama 本地翻译 9 种语言 → CosyVoice3 用你的原音色逐语种合成。全程本地，不上传任何数据。
说明：多语言合成默认走「零样本（带参考文本）」，比旧的「跨语言模式」更能保住原音色 —— 这是本次改动的核心。