पाठ्य ते वक्तव्यName AI प्रतिनिधी संगीत वार्तालाप ते पाठ्यName आवाज क्लोनिंग आवाज रचना बाजारपेठ अधिक
बग अहवाल / वैशिष्ट्य विनंती
CosyVoice 2

CosyVoice 2 टीटीएस

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

0/500 अक्षरे · ५००० च्या आसपास आहे. →
नोंदणी करा 5,000 अक्षरांची मर्यादा

अचूक नियंत्रण करीता SSML टॅग अंतर्गत पाठ्य वेल्ड करा:

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

निवडलेले नमूना समजून घेणारे टॅग - पाठ्य अंतर्गत एक टाका जेथे ते घडते:

हे मॉडेल सादा पाठ्य वाचते, त्यामुळे इनलाईन टॅग दुर्लक्ष केले जातात. टॅग आधारीत भावना करीता, Orpheus किंवा Bark सारखे अभिव्यक्ती मॉडेल करीता बदलवा.

इच्छिक उच्चारण निश्चित करा (शब्द = उच्चारण):

-12 +12
0.5x 2.0x
पाइपर, VITS, MeloTTS सह मोफत
तुमचे निर्मित ऑडिओ येथे दिसेल. मॉडेल निवडा, पाठ्य प्रविष्ट करा, व निर्मिती करा वर क्लिक करा.
ऑडिओ यशस्वीरित्या बनविले
0:00
ऑडिओ डाउनलोड करा डाउनलोड करा लिंक २४ तासांत संपेल
गडावर जाण्यासाठी: खाजगी वाहने उपलब्ध आहेत. $5/महिन्यातून व्यावसायिक परवाना
TTS.ai आवडले? तुमच्या मित्रांना सांगा!

विषयी 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.

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

सर्व ब्राऊज करा CosyVoice 2 आवाज

एक नजर

डेव्हलपर
Alibaba (Tongyi Lab)
परवाना
Apache 2.0
टर
standard
वेग
medium
आवाज क्लोन
होय
भाषाName
English, Chinese, Japanese, Korean, French, German, Italian, Spanish
कमाल अक्षरे
1000

CosyVoice 2 आवाज

Chinese Female

Chinese
मुलभूत Female

Chinese Male

Chinese
मुलभूत Male

English Female

English
मुलभूत Female

English Male

English
मुलभूत Male

French Female

French
मुलभूत Female

German Female

German
मुलभूत Female

Italian Female

Italian
मुलभूत Female

Japanese Female

Japanese
मुलभूत Female

Korean Female

Korean
मुलभूत Female

Spanish Female

Spanish
मुलभूत Female

CosyVoice 2 [Translation temporarily unavailable. Please try again.]

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.
← सर्व आवाज