CosyVoice 2

CosyVoice 2 TTS

Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.

Qeyd Et 5,000 karakter həddi

Düzgün idarə üçün mətninizi SSML lentlərinə sarılın:

<speak><prosody rate="slow">Slow speech</prosody></speak>

Seçilmiş modelin anladığı etiketlər - mətninizi mətn daxilində buraxmaq üçün basın:

Bu model sadə mətn oxuyur, buna görə də sətir içi təqvimlər nəzərə alınmır. təqvim əsaslı hisslər üçün Orpheus və ya Bark kimi ifadəli modellərə keçin.

Özəl səsləndirmələri təsvir et (söz = səsləndirmə):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS ilə pulsuz
Yaratdığınız səs burada görünəcək. Bir model seçin, mətni daxil edin və Yarat düyməsini basın.
Audio müvəffəqiyyətlə yaradıldı
0:00
Audio endirilsin Yüklə Körpünün müddəti 24 saat ərzində başa çatır
Free tier: şəxsi istifadə üçün. $5/mo-dan ticarət lisenziyası
TTS.ai-ni sevirsiniz? Dostlarınıza deyin!

Bağlan CosyVoice 2

CosyVoice 2, from Alibaba's Tongyi Lab, was designed to make high-quality speech viable in real time. It uses a finite scalar quantization approach combined with flow matching to support streaming synthesis at extremely low latency, while reaching human-comparable naturalness that outperforms many commercial systems in subjective tests. Beyond quality, it offers zero-shot voice cloning from about 3 seconds of audio, cross-lingual synthesis, and fine-grained emotion control. Covering 8 languages with a 1,000-character cap, it's a strong fit for voice assistants, streaming TTS, and other real-time applications.

Ən Yaxşı: Real-time applications, streaming TTS, voice assistants

Hamısını Gəz CosyVoice 2 səslər

Bir baxışda

Yaradıcı
Alibaba (Tongyi Lab)
Lisenziya
Apache 2.0
Tərcümə
standard
Sür'ət
medium
Sesi təkrarla
Bəli
Dillər
English, Chinese, Japanese, Korean, French, German, Italian, Spanish
Max karakterlər
1000

CosyVoice 2 səslər

Chinese Female

Chinese
Əsas Female

Chinese Male

Chinese
Əsas Male

English Female

English
Əsas Female

English Male

English
Əsas Male

French Female

French
Əsas Female

German Female

German
Əsas Female

Italian Female

Italian
Əsas Female

Japanese Female

Japanese
Əsas Female

Korean Female

Korean
Əsas Female

Spanish Female

Spanish
Əsas Female

CosyVoice 2 TTS — FAQ

Yes. CosyVoice 2 uses finite scalar quantization for streaming synthesis at very low latency, which is what makes it suitable for voice assistants and real-time applications.

Yes. It offers zero-shot voice cloning from roughly 3 seconds of reference audio, plus cross-lingual synthesis and emotion control.

Yes. CosyVoice 2 is Apache 2.0 licensed. It supports 8 languages: English, Chinese, Japanese, Korean, French, German, Italian, and Spanish.
← Bütün səslər