CosyVoice 2

CosyVoice 2 TTS

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

Գրանցվել 5000 սանտիմետր սահմանափակում

Ձեր տեքստը SSML տեգերի մեջ տեղադրել ճշգրիտ կառավարման համար.

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

Ընտրված մոդելի կողմից ընկալվող պիտակներ — սեղմեք դրանք ձեր տեքստում տեղադրելու համար:

Այս մոդելը կարդում է պարզ տեքստը, այնպես որ ներառված տեքստերը անտեսվում են։ Տեքստերի վրա հիմնված էմոցիաների համար փոխեք արտահայտիչ մոդել, ինչպես Orpheus կամ Bark։

Որոշել սեփական արտասանությունը (բառ = արտասանություն):

-12 +12
0.5x 2.0x
Ազատ Piper, VITS, MeloTTS-ով
Այստեղ կհայտնվի ձեր ստեղծած ձայնը։ Ընտրեք մոդել, ներդրեք տեքստ և սեղմեք Ծնվել։
Ավտոմատ ձայնագրում
0:00
Տեղադրել ձայնային Տեղադրել.srt Հղումն ավարտվում է 24 ժամ անց
Ֆրանսիա: Ֆրանսիայի ազգային ռադիո: Ֆրանսիայի ազգային ռադիո. Կազմակերպական լիցենզիա $5/ամս
Սիրում եք TTS.ai-ն? Պատմեք ձեր ընկերներին։

Ընդհանուր 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.

Լավագույնը: Real-time applications, streaming TTS, voice assistants

Ընթերցել բոլորը CosyVoice 2 ձայներ

Հակառակորդի դիրքը

Հեղինակ
Alibaba (Tongyi Lab)
Լիցենզիա
Apache 2.0
Դադար
standard
արագություն
medium
Ձայնի կլոնավորում
Այո
Լեզուներ
English, Chinese, Japanese, Korean, French, German, Italian, Spanish
Օգտագործված ռեժիմ
1000

CosyVoice 2 ձայներ

Chinese Female

Chinese
Լռելյայն Female

Chinese Male

Chinese
Լռելյայն Male

English Female

English
Լռելյայն Female

English Male

English
Լռելյայն Male

French Female

French
Լռելյայն Female

German Female

German
Լռելյայն Female

Italian Female

Italian
Լռելյայն Female

Japanese Female

Japanese
Լռելյայն Female

Korean Female

Korean
Լռելյայն Female

Spanish Female

Spanish
Լռելյայն Female

CosyVoice 2 TTS - Հաճախ տրվող հարցեր

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.
← Բոլոր ձայները