CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
নির্দিষ্ট নিয়ন্ত্রণের জন্য আপনার লেখাকে এস- এস- এম- এল ট্যাগ- এ ঢোকাও:
<speak><prosody rate="slow">Slow speech</prosody></speak>
নির্বাচিত মডেল যে ট্যাগগুলি বুঝে — আপনার লেখায় যেখানে তা ঘটে সেখানে একটি ট্যাগ স্থাপন করতে ক্লিক করুন:
এই মডেলটি প্লেইন টেক্সট পড়ে, তাই ইনলাইন ট্যাগগুলি উপেক্ষা করা হয়। ট্যাগ-ভিত্তিক আবেগ-প্রবণতার জন্য, Orpheus বা Bark-এর মত একটি প্রকাশক মডেলে পরিবর্তন করুন।
স্বনির্বাচিত উচ্চারণ নির্ধারণ করো (শব্দ = উচ্চারণ):
পরিচিতি 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.
এর জন্য সেরা: Multilingual production TTS, real-time applications, voice cloning
সব ব্রাউজ করুন CosyVoice3 শব্দএক নজরে
- ডেভেলপার
- Alibaba (FunAudioLLM)
- লাইসেন্স
- Apache 2.0
- টাইমার
- standard
- গতি
- fast
- শব্দের ক্লোন
- হ্যাঁ
- ভাষা
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- সর্বোচ্চ অক্ষর
- 5000