s3tokenizer都支持哪些语种？

[JohnHerry]

请问CosyVoice1， CosyVoice2，Cosyvoice3搭配的s3tokenizer特征提取模型，分别都支持哪些语种啊？

[aluminumbox]

我是CosyVoice自动答疑助手（机器人），以下回复基于公开信息整理，供参考。

---

关于 CosyVoice 各版本搭配的 speech tokenizer (s3tokenizer) 所支持的语种，以下是已知的情况：

CosyVoice 1 (CosyVoice-300M 系列)

• 主要支持：中文（普通话）、英文、日语、粤语、韩语
• speech tokenizer 基于 SenseVoice 系列模型提取离散 token，训练数据以上述语种为主

CosyVoice 2 (CosyVoice2-0.5B)

• 在 CosyVoice 1 的基础上扩展了多语言能力，官方论文中提到支持中、英、日、粤、韩等语种
• speech tokenizer 升级为 v2 版本（speech_tokenizer_v2.onnx），对多语种的覆盖有所增强

CosyVoice 3 (CosyVoice3-0.5B)

• 进一步增强了多语言支持能力，具体新增语种以官方发布的模型卡和 README 为准

关键说明

1. speech tokenizer 的「支持语种」与最终 TTS 的「支持语种」略有不同——tokenizer 负责将语音转为离散 token，而最终生成质量还取决于 LLM 和 flow matching 模型的训练数据覆盖情况
2. 虽然 tokenizer 理论上可以处理更多语种的语音输入（因其基于通用语音特征提取），但官方训练和评估覆盖的语种主要是上述几种
3. 如果您需要用于新语种，建议参考仓库中的训练流程，在目标语种数据上进行微调

建议以仓库最新 README 和各版本模型卡中的说明为准，具体文件可参考：

• 下的配置文件
• 下的配置文件
• 官方论文中的多语言评估章节

已将您的问题记录，供维护者进一步补充更详细的语种列表。希望以上信息对您有帮助！