---
title: CosyVoice2-0.5B_ONNX
canonical_url: "https://www.modelscope.cn/models/Lourdle/CosyVoice2-0.5B_ONNX"
md_url: "https://www.modelscope.cn/models/Lourdle/CosyVoice2-0.5B_ONNX.md"
repository: Lourdle/CosyVoice2-0.5B_ONNX
chinese_name: "CosyVoice2-0.5B ONNX"
last_updated: 2025-12-22
pipeline_tag: text-to-speech
tasks:
  - text-to-speech
library_name:
  - onnx
downloads: 553
stars: 4
---

# CosyVoice2-0.5B_ONNX

> CosyVoice2-0.5B_ONNX - Lourdle 在 ModelScope 开源的模型。官方 CosyVoice2-0.5B 中的 Flow 和 HiFT 的 ONNX 模型，可直接用于推理。

- **Repository**: Lourdle/CosyVoice2-0.5B_ONNX
- **Tasks**: text-to-speech
- **Downloads**: 553
- **Stars**: 4
- **Last updated**: 2025-12-22

Source: https://www.modelscope.cn/models/Lourdle/CosyVoice2-0.5B_ONNX

---

# CosyVoice2 ONNX 模型（flow & hift）

本仓库提供 CosyVoice2 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_combined_fp32.onnx` （全精度 flow 和全精度 hift 组合模型）
- `flow_hift_combined_fp16.onnx` （半精度 flow 和全精度 hift 组合模型）

2025.11.9 更新：解决了 flow 模型在半精度下 /decoder/estimator 出现 NaN 的问题，flow_fp16.onnx 文件更新为完全半精度的 flow 模型。并更新组合模型。  
  
模型使用方式请见 [GitHub 仓库](https://github.com/Lourdle/CosyVoice)。  
CosyVoice2 的其它模块请从 [CosyVoice2 官方项目](https://modelscope.cn/models/iic/CosyVoice2-0.5B) 获取。  
我开源了 CosyVoice2 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](https://github.com/Lourdle/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_combined_fp32.onnx / flow_hift_combined_fp16.onnx

- **输入：**
  - `token`            (int32)
  - `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
  - `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 [CosyVoice2 官方项目](https://modelscope.cn/models/iic/CosyVoice2-0.5B)。本仓库仅提供 ONNX 格式转换及适配。

---