CosyVoice3 使用指南
目录
版本说明
参考实现
url=https://github.com/FunAudioLLM/CosyVoice
commit_id=1822c5c
变更记录
2026.02.14: 首次支持CosyVoice3模型训练
环境安装
1. 环境准备
【模型开发时推荐使用配套的环境版本】
请参考安装指南，完成昇腾软件安装。
2. 环境搭建
git clone https://gitcode.com/Ascend/MindSpeed-MM.git
# 安装mindspeed及依赖
git clone https://gitcode.com/Ascend/MindSpeed.git
cd MindSpeed
cp -r mindspeed ../MindSpeed-MM/
# 安装mindspeed mm及依赖
cd ../MindSpeed-MM
pip install -e .
# 安装其它依赖
pip install -r examples/cosyvoice3/requirements.txt
权重下载及转换
1. 权重下载
从Huggingface库下载对应的模型权重:
- 模型地址: Fun-CosyVoice3-0.5B-2512；
将下载的模型权重保存到本地目录下.
数据集准备及处理
1. 数据集下载
(以LibriTTS语料库中的train-clean-100数据集为例)
用户需要自行从LibriTTS语料库下载train-clean-100开源数据集，并解压到项目目录下:
# 执行解压命令
tar -xzvf train-clean-100.tar.gz
2. 数据预处理
修改数据预处理脚本examples/cosyvoice3/data_preprocess.sh中的data_dir与pretrained_model_dir配置，运行数据预处理脚本：
# 修改路径，执行数据格式转换脚本，预处理后数据将默认保存在./data路径下
# data_dir: 修改为本地数据集路径，若本地路径为/data/LibriTTS，修改为/data
# pretrained_model_dir: 修改为本地下载的权重路径
bash examples/cosyvoice3/data_preprocess.sh
微调
1. 准备工作
配置脚本前需要完成前置准备工作，包括：环境安装、权重下载、数据集准备及处理，详情可查看对应章节。
2. 启动微调
在 examples/cosyvoice3/cosyvoice3_config.yaml 文件中配置好数据集和权重路径:
- 将所有
<local_path>修改为本地权重所在目录 - 将
DATASET_PATH修改为数据预处理后保存的parquet路径，若使用train-clean-100数据集按照上述命令执行则无需修改 - 在本地权重的
Fun-CosyVoice3-0.5B-2512/CosyVoice-BlankEN/config.json配置文件中加入"attn_implementation": "flash_attention_2"字段以使能flash_attention_2加速训练
使用如下命令，启动CosyVoice3的微调任务：
bash examples/cosyvoice3/finetune_cosyvoice3.sh
环境变量声明
| 环境变量 | 描述 | 取值说明 |
|---|---|---|
ASCEND_SLOG_PRINT_TO_STDOUT |
是否开启日志打印 | 0: 关闭日志打屏1: 开启日志打屏 |
ASCEND_GLOBAL_LOG_LEVEL |
设置应用类日志的日志级别及各模块日志级别，仅支持调试日志 | 0: 对应DEBUG级别1: 对应INFO级别2: 对应WARNING级别3: 对应ERROR级别4: 对应NULL级别，不输出日志 |
TASK_QUEUE_ENABLE |
用于控制开启task_queue算子下发队列优化的等级 | 0: 关闭1: 开启Level 1优化2: 开启Level 2优化 |
COMBINED_ENABLE |
设置combined标志。设置为0表示关闭此功能；设置为1表示开启，用于优化非连续两个算子组合类场景 | 0: 关闭1: 开启 |
CPU_AFFINITY_CONF |
控制CPU端算子任务的处理器亲和性，即设定任务绑核 | 设置0或未设置: 表示不启用绑核功能1: 表示开启粗粒度绑核2: 表示开启细粒度绑核 |
HCCL_CONNECT_TIMEOUT |
用于限制不同设备之间socket建链过程的超时等待时间 | 需要配置为整数，取值范围[120,7200]，默认值为120，单位s |
PYTORCH_NPU_ALLOC_CONF |
控制缓存分配器行为 | expandable_segments:<value>: 使能内存池扩展段功能，即虚拟内存特征 |
HCCL_EXEC_TIMEOUT |
控制设备间执行时同步等待的时间，在该配置时间内各设备进程等待其他设备执行通信同步 | 需要配置为整数，取值范围[68,17340]，默认值为1800，单位s |
ACLNN_CACHE_LIMIT |
配置单算子执行API在Host侧缓存的算子信息条目个数 | 需要配置为整数，取值范围[1, 10,000,000]，默认值为10000 |
TOKENIZERS_PARALLELISM |
用于控制Hugging Face的transformers库中的分词器（tokenizer）在多线程环境下的行为 | False: 禁用并行分词True: 开启并行分词 |
MULTI_STREAM_MEMORY_REUSE |
配置多流内存复用是否开启 | 0: 关闭多流内存复用1: 开启多流内存复用 |
NPU_ASD_ENABLE |
控制是否开启Ascend Extension for PyTorch的特征值检测功能 | 设置0或未设置: 关闭特征值检测1: 表示开启特征值检测，只打印异常日志，不告警2:开启特征值检测，并告警3:开启特征值检测，并告警，同时会在device侧info级别日志中记录过程数据 |
ASCEND_LAUNCH_BLOCKING |
控制算子执行时是否启动同步模式 | 0: 采用异步方式执行1: 强制算子采用同步模式运行 |
NPUS_PER_NODE |
配置一个计算节点上使用的NPU数量 | 整数值（如 1, 8 等） |
注意事项
- 若安装openai-whisper包时构建失败，可能为创建的临时构建环境下载了最新版本的setuptools包，导致构建失败，建议使用
--no-build-isolation参数进行pip install命令。