CosyVoice 2 TTS
Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.
Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:
Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.
Määrittele custom-äänet (sana = ääntäminen):
Tietoja 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.
Paras: Real-time applications, streaming TTS, voice assistants
Selaa kaikkia CosyVoice 2 äänetSilmäyksellä
- Kehittäjä
- Alibaba (Tongyi Lab)
- Lisenssi
- Apache 2.0
- Määrittämistaso
- standard
- Nopeus
- medium
- Äänien kloonaus
- Kyllä
- Kielet
- English, Chinese, Japanese, Korean, French, German, Italian, Spanish
- Maksimimerkit
- 1000