CosyVoice 2

CosyVoice 2 TTS

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

ثبت نام برای حد ۵۰۰۰ کاراکتر

برای کنترل دقیق ، متن خود را در برچسبهای SSML بپیچید:

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

برچسبهایی که مدل برگزیده می‌فهمد — برای انداختن یکی در متن خود ، جایی که اتفاق می‌افتد ، کلیک کنید:

این مدل متن ساده را می‌خواند ، بنابراین برچسب‌های خطی نادیده گرفته می‌شوند. برای احساسات مبتنی بر برچسب ، به یک مدل بیانی مانند Orpheus یا Bark تغییر دهید.

تعریف تلفظ سفارشی) کلمه = تلفظ (:

-12 +12
0.5x 2.0x
آزاد با Piper, VITS, MeloTTS
صدای تولید شده شما در اینجا ظاهر خواهد شد. یک مدل را انتخاب کنید ، متن را وارد کنید ، و تولید را فشار دهید.
صدا با موفقیت تولید شد
0:00
بارگیری صدا دانلود پیوند در ۲۴ ساعت پایان می‌یابد
1- استفاده شخصی: استفاده شخصی. مجوز تجاری از $5/mo
دوست داريد TTS.ai؟ به دوستانتون بگو!

در مورد 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.

بهترین برای: Real-time applications, streaming TTS, voice assistants

مرور همۀ CosyVoice 2 صداها

يه نگاهي بنداز

توسعه‌دهنده
Alibaba (Tongyi Lab)
مجوز
Apache 2.0
حیوان
standard
سرعت
medium
شبیه‌سازی صدا
آره
زبانها
English, Chinese, Japanese, Korean, French, German, Italian, Spanish
بیشینه نویسه‌ها
1000

CosyVoice 2 صداها

Chinese Female

Chinese
پیش‌فرض Female

Chinese Male

Chinese
پیش‌فرض Male

English Female

English
پیش‌فرض Female

English Male

English
پیش‌فرض Male

French Female

French
پیش‌فرض Female

German Female

German
پیش‌فرض Female

Italian Female

Italian
پیش‌فرض Female

Japanese Female

Japanese
پیش‌فرض Female

Korean Female

Korean
پیش‌فرض Female

Spanish Female

Spanish
پیش‌فرض Female

CosyVoice 2 FAQ - پرسش و پاسخ

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.
← همه صداها