CosyVoice 2

CosyVoice 2 TTS

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

ਸਾਈਨ ਅੱਪ 5, 000 ਅੱਖਰ ਲਿਮਟ

ਸਹੀ ਕੰਟਰੋਲ ਲਈ SSML ਟੈਗ ਵਿੱਚ ਆਪਣਾ ਪਾਠ ਲਪੇਟੋ:

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

ਟੈਗ, ਜੋ ਕਿ ਚੁਣੇ ਮਾਡਲ ਸਮਝਦਾ ਹੈ - ਆਪਣੇ ਪਾਠ ਵਿੱਚ ਇੱਕ ਟੈਗ ਸੁੱਟਣ ਲਈ ਕਲਿੱਕ ਕਰੋ, ਜਿੱਥੇ ਇਹ ਹੁੰਦਾ ਹੈ:

ਇਹ ਮਾਡਲ ਸਾਦਾ ਪਾਠ ਪੜ੍ਹਦਾ ਹੈ, ਇਸ ਲਈ ਇੰਲਾਈਨ ਟੈਗ ਅਣਡਿੱਠੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ । ਟੈਗ- ਅਧਾਰਿਤ ਈਮੋਸ਼ਨ ਲਈ ਇੱਕ ਸਪੱਸ਼ਟ ਮਾਡਲ ਜਿਵੇਂ ਕਿ Orpheus ਜਾਂ Bark ਲਈ ਬਦਲੋ ।

ਪਸੰਦੀਦਾ ਉਚਾਰਨ ਦਿਓ (ਸ਼ਬਦ = ਉਚਾਰਨ):

-12 +12
0.5x 2.0x
ਪਾਈਪਰ, VITS, MeloTTS ਨਾਲ ਮੁਫਤ
ਤੁਹਾਡਾ ਬਣਾਇਆ ਆਡੀਓ ਇੱਥੇ ਵੇਖਾਇਆ ਜਾਵੇਗਾ । ਇੱਕ ਮਾਡਲ ਚੁਣੋ, ਪਾਠ ਦਿਓ ਅਤੇ ਬਣਾਓ ਕਲਿੱਕ ਕਰੋ ।
ਆਡੀਓ ਸਫਲਤਾਪੂਰਕ ਬਣਾਇਆ ਗਿਆ
0:00
ਆਡੀਓ ਡਾਊਨਲੋਡ .srt ਡਾਊਨਲੋਡ ਲਿੰਕ 24 ਘੰਟਿਆਂ ਵਿੱਚ ਖਤਮ ਹੁੰਦਾ ਹੈ
ਮੁਫਤ ਪੱਧਰ: ਨਿੱਜੀ ਵਰਤੋਂ ਲਈ। $5/ਮਹੀਨੇ ਤੋਂ ਵਪਾਰਕ ਲਾਇਸੈਂਸ
TTS.ai ਪਸੰਦ ਹੈ? ਆਪਣੇ ਦੋਸਤਾਂ ਨੂੰ ਦੱਸੋ!

ਬਾਰੇ 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.

ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: Real-time applications, streaming TTS, voice assistants

ਸਭ ਝਲਕ CosyVoice 2 ਆਵਾਜ਼ਾਂ

ਇੱਕ ਨਜ਼ਰ

ਡਿਵੈਲਪਰ
Alibaba (Tongyi Lab)
ਲਾਈਸੈਂਸ
Apache 2.0
ਟੀਅਰ
standard
ਗਤੀ
medium
ਬੋਲੀ ਕਲੋਨਿੰਗ
ਹਾਂ
ਭਾਸ਼ਾਵਾਂ
English, Chinese, Japanese, Korean, French, German, Italian, Spanish
ਵੱਧੋ- ਵੱਧ ਅੱਖਰ
1000

CosyVoice 2 ਆਵਾਜ਼ਾਂ

Chinese Female

Chinese
ਸਟੈਂਡਰਡ Female

Chinese Male

Chinese
ਸਟੈਂਡਰਡ Male

English Female

English
ਸਟੈਂਡਰਡ Female

English Male

English
ਸਟੈਂਡਰਡ Male

French Female

French
ਸਟੈਂਡਰਡ Female

German Female

German
ਸਟੈਂਡਰਡ Female

Italian Female

Italian
ਸਟੈਂਡਰਡ Female

Japanese Female

Japanese
ਸਟੈਂਡਰਡ Female

Korean Female

Korean
ਸਟੈਂਡਰਡ Female

Spanish Female

Spanish
ਸਟੈਂਡਰਡ Female

CosyVoice 2 TTS - ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

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.
← ਸਭ ਆਵਾਜ਼ਾਂ