🎙️ CosyVoice3 音色克隆实验 V2
修复了三个 bug 后的实验：
① 容器没挂载 /mnt/storage → 参考音频读不到 → 全用默认女声
② AutoModel import 错误 → 改用 CosyVoice3
③ CUDA 库缺失 → LD_LIBRARY_PATH 修复
📖 测试台词：
"你以为逃得掉吗？这座城市每一个角落，都有我的眼睛。"
📥 参考音频（原声）
① 中文女声参考（CosyVoice 自带）
3.5s | 内容："希望你以后能够做的比我还好呦"
② 英文男声参考（UCS音效库）
8.7s | 英国机场广播 | 内容："Passengers travelling to Dublin"
③ 英文女声参考（UCS音效库）
4.0s | 英国机场广播 | 内容："Flight SA975 has been delayed"
🔊 克隆结果
✅ 中文女声 → 中文台词（同语言克隆）
参考① | 输出 7.3s | 预期最佳效果
⚠️ 英文男声 → 中文台词（跨语言克隆）
参考② | 输出 11s | 英文参考音频克隆中文 — 注意音色是否像男声
⚠️ 英文女声 → 中文台词（跨语言克隆）
参考③ | 输出 6.9s | 英文参考音频克隆中文
📊 对照组（默认音色）
灰色 — 无参考音频
无 reference_audio | 输出 5.4s
试听重点：
• clone_zh_female vs clone_default：两个应该音色不同（前者克隆了参考①的音色）
• clone_en_male：应该听起来像男声（不再是女声）
• 跨语言克隆效果通常不如同语言，建议管线优先用同语言参考音频