CosyVoice 2 TTS
Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.
Írja be a szöveget az SSML címkékbe a pontos vezérlés érdekében:
<speak><prosody rate="slow">Slow speech</prosody></speak>
A kijelölt modell tagjeiben a ~ kattintson az alábbi szövegbe:
Ez a modell egyszerű szöveget olvas, így a sorcímke figyelmen kívül marad. A tag alapú érzelem, váltson át egy expresszív modell, mint Orpheus vagy Bark.
Definiáld az egyéni kiejtéseket (szó = kiejtés):
About 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.
Legjobb: Real-time applications, streaming TTS, voice assistants
Összes böngészés CosyVoice 2 hangokEgy pillantásra
- Fejlesztő
- Alibaba (Tongyi Lab)
- Jogosítvány
- Apache 2.0
- Tier
- standard
- Sebesség
- medium
- Hang klónozása
- Igen.
- Nyelvek
- English, Chinese, Japanese, Korean, French, German, Italian, Spanish
- Max. karakterek
- 1000