CosyVoice 2

CosyVoice 2 ТТС

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

Ёзиш 5000 белги чегараси

Матнни аниқ назорат учун SSML теглар билан ўраб қўйиш:

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

Танланган модел тушунадиган тегилар — уларни матнга тушириш учун босинг:

Бу модел оддий матн ўқийди, шунинг учун тегишли теги эътиборга олинмайди. Эмоционал теги асосида, Orpheus ёки Bark каби ифодали моделга ўтинг.

Ўз нутқини белгилаш (сўз = нутқ):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS билан бепул
Сизнинг яратилган аудионгиз бу ерда намоён бўлади. Модельни танланг, матнни киритинг ва Юклаш тугмасини босинг.
Аудио муваффақиятли яратилди
0:00
Аудио юклаб олиш .srt юклаб олиш Уланиш муддати 24 соатдан сўнг тугайди
Бепул даража: шахсий фойдаланиш. $5/mo дан бошланувчи коммерциявий лицензия
Буни ўз овозингизга айлантиринг 30 сония ичида овозни клонлаш
TTS.ai'ни севасанми? Дўстларингга айт!

Маълумот 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.

Энг яхшиси: Real-time applications, streaming TTS, voice assistants

Ҳаммасини кўриш CosyVoice 2 овозлар

Бир қарашда

Ижодкор
Alibaba (Tongyi Lab)
Лицензия
Apache 2.0
Тир
standard
Тезлик
medium
Овозни клонлаш
Ҳа
Тиллар
English, Chinese, Japanese, Korean, French, German, Italian, Spanish
Максимум ҳарфлар
1000

CosyVoice 2 овозлар

Chinese Female

Chinese
Стандарт Female

Chinese Male

Chinese
Стандарт Male

English Female

English
Стандарт Female

English Male

English
Стандарт Male

French Female

French
Стандарт Female

German Female

German
Стандарт Female

Italian Female

Italian
Стандарт Female

Japanese Female

Japanese
Стандарт Female

Korean Female

Korean
Стандарт Female

Spanish Female

Spanish
Стандарт Female

CosyVoice 2 ТТС — кўп бериладиган саволлар

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.
← Барча овозлар