CosyVoice 2 TTS
Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.
নির্দিষ্ট নিয়ন্ত্রণের জন্য আপনার লেখাকে এস- এস- এম- এল ট্যাগ- এ ঢোকাও:
<speak><prosody rate="slow">Slow speech</prosody></speak>
নির্বাচিত মডেল যে ট্যাগগুলি বুঝে — আপনার লেখায় যেখানে তা ঘটে সেখানে একটি ট্যাগ স্থাপন করতে ক্লিক করুন:
এই মডেলটি প্লেইন টেক্সট পড়ে, তাই ইনলাইন ট্যাগগুলি উপেক্ষা করা হয়। ট্যাগ-ভিত্তিক আবেগ-প্রবণতার জন্য, Orpheus বা Bark-এর মত একটি প্রকাশক মডেলে পরিবর্তন করুন।
স্বনির্বাচিত উচ্চারণ নির্ধারণ করো (শব্দ = উচ্চারণ):
পরিচিতি 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.
এর জন্য সেরা: Real-time applications, streaming TTS, voice assistants
সব ব্রাউজ করুন CosyVoice 2 শব্দএক নজরে
- ডেভেলপার
- Alibaba (Tongyi Lab)
- লাইসেন্স
- Apache 2.0
- টাইমার
- standard
- গতি
- medium
- শব্দের ক্লোন
- হ্যাঁ
- ভাষা
- English, Chinese, Japanese, Korean, French, German, Italian, Spanish
- সর্বোচ্চ অক্ষর
- 1000