作者：百潼
语音合成（TTS）技术正成为 AI 重点探索领域。比如在智能座舱场景下，用语音播报的形式来实现车主和大模型的语音交互；在儿童教育场景下，语音合成可以帮助小朋友用喜欢的声音轻松阅读故事。
CosyVoice 凭借在多语言生成、零样本生成等领域的优势，成为诸多企业客户选择；最新版本 CosyVoice2，更是在功能和性能上带来显著提升，与前代相比，CosyVoice2 在多语言语音生成、零样本语音生成、跨语言语音生成、富文本和自然语言细粒度控制方面表现出色，展现出强大竞争力。
然而，随着 AI 技术的深入发展，企业对 AI 场景多样化的需求日益增长，企业级规模化的语音生成应用仍面临 GPU 算力依赖和复杂部署运维的挑战，导致资源与人力成本居高不下。阿里云函数计算 Function AI 推出语音合成新模板，托管了 CosyVoice2.0 模型，让用户一键部署和拉起 CosyVoice2.0 模型，轻松实现 CosyVoice2.0 模型在业务场景的快速接入和落地。
传统语音合成场景的痛点
传统语音合成场景参数调节的不便
在语音合成场景下，对音频的要求相对较高。不仅要保证合成的音频的流畅度和完整性，也要保证音频的质量和灵活性，例如支持不同的音频格式，语速等等。对企业员工来说，调参是一个相对频繁的事情，因此需要一个简单的调试环境来支持高频率参数的调节。
模型的部署运维对企业的长期“阵痛”
要想让模型在业务中集成和落地，模型企业化成为了每个企业的必经之路。企业不仅需要考虑模型是否“能用”，更要考虑模型是否“好用”。所以，功能和性能成为了模型企业化进程中不可避免的问题。在语音合成的场景中，更多面对的是有语音合成诉求的 C 端用户，对延时和稳定都有很高的要求。因此，企业不仅需要先了解模型如何推理和调用，将模型顺利的部署起来，更要思考如何从容应对高并发的场景，并满足低延时的诉求。从前将模型部署在服务器上，由企业员工自行维护，随之而来的问题是，随着企业业务规模的不断扩张，服务器的即时扩容就成为了一大难题，无法应对突发的流量高峰。与此同时，服务器的运维也会变的耗时耗力。因此长期来看，模型在服务器上的部署和维护成为了企业的长期“阵痛”。
成本压力阻碍企业对 AI 语音合成场景的探索
由于 GPU 算力是语音合成模型的刚需，模型的执行效果又强依赖 GPU 的算力，算力越高，成本越昂贵，企业客户会选择购买 GPU 来长期提供算力。然而，在实际的业务场景中，并不需要持续消耗 GPU 算力，导致了资源利用率很低。因此，就会浪费不少成本。昂贵的算力资源给企业带来了不小的成本压力，也违背了当今经济环境下，企业客户对于降本的诉求。阻碍了企业在 AI 方向持续探索的脚步。
基于 Function AI 的 Serverless 化语音合成方案
方案架构图
解放调试压力，实现业务的快速交付
阿里云函数计算提供了自定义编辑环境变量的能力，让用户可以自主变量调节。基于 Function AI 的语音合成 Serverless 化 API 可以通过 “speed, bit_rate, sample_rate” 等参数来调节音频的速度，音频质量和音频的采样率，同时支持原生 PCM，MP3 和 WAV 格式的音频，让用户能自由选择。也能和阿里云存储桶 OSS 集成，支持用户自主上传音色。这种方案，能让企业用户调试过程更简单，从而更关注业务，提高效率。
解放部署运维压力，更具长期性
基于阿里云函数计算打造的 Function AI 平台支持对 CosyVoice2.0 模型的一键部署，几分钟就能将 CosyVoice 模型迅速接入业务，解决了传统语音合成场景部署流程长，部署缓慢的痛点。
阿里云函数计算支持修改单实例并发度，并提供了强大的可观测能力，让用户可以根据观测到的指标结合自身业务情况，自定义单张GPU可承载的流量值。同时也提供了 GPU 的弹性能力，在流量峰值的时候实现秒级弹性，能够帮助企业用户从容应对突发的流量峰值。此外，对于要求低延时和高稳定性的用户，函数计算提供秒级快照和毫秒级快照，如果业务规模持续扩张，只需要在控制台上修改快照数量，即可轻松实现扩容，极大程度上降低了运维的复杂度和冗长的部署流程，让业务更具有长期性。
缓解成本压力，AI 探索更持续
阿里云函数计算支持秒级快照，有请求的时候会快速启动快照，没有请求的时候保持闲置状态，只收取很少的 GPU 资源占用费。对于业务峰谷明显的企业用户，很大程度上提高了 GPU 资源的利用率，能帮助用户节约成本，实现降本诉求。
一键部署 CosyVoice2-0.5B（API调用/WebUI)
1.登录 Function AI 控制台，找到探索页，人工智能页签下的「托管开源 CosyVoice2-0.5B 模型」模板
2.点击立即部署
3.填写部署地域，并选择 OSS Bucket 和 GPU 卡型，然后点击部署项目
4.等待三分钟，即可完成部署
5.部署完成后可以看到「访问地址」页签下的模型 Endpoint，同时支持公网和内网调用 API
6.模型 API 调用示例请参考使用说明
7.如需 WebUI 版本，请体验：https://cap.console.aliyun.com/template-detail?template=268
后续计划
随着语音合成场景的不断深入，LLM + TTS 的模式日益普遍，流式输入也成为刚需，因此后续会考虑
1.流式输入，解决 LLM + TTS 场景下的语音合成
2.WebSocket 连接，让流式输出更可靠
