CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Zabalte svůj text do značek SSML pro přesné ovládání:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Značky vybraného modelu rozumí? klikněte na tlačítko pro kapku jednoho do textu, kde se to stane:
Tento model čte prostý text, takže inline značky jsou ignorovány. Pro tag-based emotion, přepněte na expresivní model, jako je Orpheus nebo Bark.
Definovat vlastní výslovnosti (slovo = výslovnost):
O aplikaci 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.
Nejlepší pro: Multilingual production TTS, real-time applications, voice cloning
Procházet vše CosyVoice3 hlasyNa první pohled
- Vývojář
- Alibaba (FunAudioLLM)
- Licence
- Apache 2.0
- Úroveň
- standard
- Rychlost
- fast
- Klonování hlasu
- Ano.
- Jazyky
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Max znaků
- 5000