CosyVoice 2 ТТС
Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За 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.
Најдобро за: Real-time applications, streaming TTS, voice assistants
Прелистувај ги сите CosyVoice 2 гласовиНа еден поглед
- Развивач
- Alibaba (Tongyi Lab)
- Лиценца
- Apache 2.0
- Ниво
- standard
- Брзина
- medium
- Гласовно клонирање
- Да.
- Јазици
- English, Chinese, Japanese, Korean, French, German, Italian, Spanish
- Макс. знаци
- 1000