CosyVoice 2 ТТС
Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.
Мәтінді SSML тегтермен тасымалдау үшін нұсқау:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Таңдалған үлгі түсінетін тегтер - біреуін мәтінге түсіру үшін түртіңіз:
Бұл модель қарапайым мәтін оқиды, сондықтан жол ішіндегі тегтер елеусіз қалып жатыр. Тегтерге негізделген эмоция үшін Orpheus не Bark сияқты өрнекті модельге ауысыңыз.
Өзінің дыбысын анықтау (сөз = дыбысы):
& Бұл туралы 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.
Келесіге ең қолайлы: Real-time applications, streaming TTS, voice assistants
Барлығын қарау CosyVoice 2 дауысБір қарапайым
- Жасаушы
- Alibaba (Tongyi Lab)
- Лицензия
- Apache 2.0
- Түр
- standard
- Жылдамдығы
- medium
- Дыбысын көшіру
- Иә
- Тілдер
- English, Chinese, Japanese, Korean, French, German, Italian, Spanish
- Макс. таңбалар саны
- 1000