CosyVoice 2 TTS
Alibaba Tongyi Lab's streaming TTS reaching human-parity naturalness with near-zero latency and zero-shot cloning.
Rrotullo tekstin në etiketa SSML për kontroll të saktë:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags që modeli i zgjedhur i kupton - kliko për të vendosur një në tekstin tuaj ku ndodh:
Ky model lexon tekst të thjeshtë, kështu që etiketat e brendshme injorohen. Për emocione të bazuara në etiketa, kalo në një model shprehës si Orpheus ose Bark.
Përcakto përkthimin e personalizuar (fjalë = përkthim):
Për 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.
Më i miri për: Real-time applications, streaming TTS, voice assistants
Shfleto gjithçka CosyVoice 2 zëraMe një sy
- Programues
- Alibaba (Tongyi Lab)
- Liçenca
- Apache 2.0
- Animal
- standard
- Shpejtësia
- medium
- Klonimi i zërit
- Po
- Gjuhë
- English, Chinese, Japanese, Korean, French, German, Italian, Spanish
- Maksimumi i gërmave
- 1000