CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Düzgün idarə üçün mətninizi SSML lentlərinə sarılın:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Seçilmiş modelin anladığı etiketlər - mətninizi mətn daxilində buraxmaq üçün basın:
Bu model sadə mətn oxuyur, buna görə də sətir içi təqvimlər nəzərə alınmır. təqvim əsaslı hisslər üçün Orpheus və ya Bark kimi ifadəli modellərə keçin.
Özəl səsləndirmələri təsvir et (söz = səsləndirmə):
Bağlan CosyVoice3
CosyVoice3 is the newest generation from Alibaba's FunAudioLLM team and a clear step up from CosyVoice 2. It introduces bi-streaming inference with roughly 150ms latency and instruction-based control, letting you steer emotion, speed, and volume through prompts. Speaker similarity for zero-shot voice cloning is improved, and coverage spans 9 languages plus 18 Chinese dialects. An RL-tuned variant pushes prosody to a state-of-the-art level. With a 5,000-character ceiling, fast generation, and strong cloning, it's geared toward multilingual production TTS and real-time applications.
Ən Yaxşı: Multilingual production TTS, real-time applications, voice cloning
Hamısını Gəz CosyVoice3 səslərBir baxışda
- Yaradıcı
- Alibaba (FunAudioLLM)
- Lisenziya
- Apache 2.0
- Tərcümə
- standard
- Sür'ət
- fast
- Sesi təkrarla
- Bəli
- Dillər
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Max karakterlər
- 5000