使用 CosyVoice2-0.5B 替代现有 TTS 模型以降低成本并丰富音色选择

[sky4178]

检查项

• 我确认在Issues列表中并无其他人已经建议过相似的功能
• 这个新功能可以解决目前存在的某个问题或BUG

期望的功能描述

目前已有用户通过 Issue 提出添加语音功能的需求，相关功能也已上线。当前使用的 TTS 模型音质表现良好，但推理成本较高，影响系统的可扩展性与运行成本。

❗ 当前问题

现有 TTS 模型推理成本过高，不适合大规模使用或频繁调用。音色选择有限，无法满足部分用户对音色多样性的需求。

✅ 可行替代方案

在硅基流动模型中发现了赠费可用的 TTS 模型 FunAudioLLM/CosyVoice2-0.5B，具有以下优势：
支持多种音色（多角色、情绪表达）。
推理成本远低于当前使用的模型。

建议

集成进现有语音输出模块，作为可选 TTS 后端。

补充信息

No response