在CosyVoice2项目中，Web界面点击生成按钮后的语音合成流程如下：

1. 前端交互与事件绑定

在中，生成按钮通过Gradio的事件绑定机制关联到函数：

generate_button.click(generate_audio, inputs=[tts_text, mode_checkbox_group, ...], outputs=[audio_output])

用户点击按钮后，Gradio自动收集界面输入（文本、音频、模式选择等）并传递给后端处理函数。

2. 参数验证与预处理

函数执行以下步骤：

• 模式路由：根据选择的推理模式（3s极速复刻/跨语种复刻等）调用对应方法
• 输入验证：检查音频采样率（≥16kHz）、文本长度等参数合法性
• 种子控制：使用生成的随机种子确保合成结果可复现
• 音频处理：对上传/录制的prompt音频调用进行语音识别，提取文本提示

3. 模型推理调用

根据推理模式调用CosyVoice2核心接口，以零样本模式为例：

# app.py中调用
audio_chunks = cosyvoice.inference_zero_shot(tts_text, prompt_text, prompt_speech_16k, stream=stream, speed=speed)

该方法在中实现，主要流程：

• 文本规范化：通过frontend.text_normalize处理输入文本
• 特征准备：调用frontend.frontend_zero_shot将文本和音频prompt转换为模型输入特征
• 模型推理：调用self.model.tts(**model_input, stream=stream)生成音频流
• 实时反馈：通过tqdm和日志输出合成进度、RTF（实时因子）等指标

4. 音频后处理与返回

生成的原始音频通过进行优化：

• 静音修剪：使用librosa.effects.trim去除首尾静音
• 音量归一化：防止音频过载失真
• 静音添加：在音频末尾添加0.2秒静音提升自然度

5. 前端渲染

处理后的音频数据通过Gradio的audio_output组件实时返回Web界面，streaming=True参数实现边生成边播放的流式体验。

核心技术链路

Web界面 → Gradio事件系统 → generate_audio参数处理 → CosyVoice2推理接口 → 模型tts方法 → 音频后处理 → Web界面渲染
整个流程通过Gradio框架简化前后端通信，实现用户交互与模型推理的无缝衔接。