CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Enveloppez votre texte dans des balises SSML pour un contrôle précis :
<speak><prosody rate="slow">Slow speech</prosody></speak>
Mots clés le modèle sélectionné comprend — cliquez pour en déposer un dans votre texte où il se produit:
Ce modèle lit du texte clair, donc les balises en ligne sont ignorées. Pour l'émotion basée sur les tags, passer à un modèle expressif comme Orphée ou Bark.
Définir les prononciations personnalisées (mot = prononciation) :
À propos 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.
Meilleur pour: Multilingual production TTS, real-time applications, voice cloning
Tout voir CosyVoice3 voixEn un coup d'oeil
- Développeur
- Alibaba (FunAudioLLM)
- Licence
- Apache 2.0
- Niveau
- standard
- Régime
- fast
- Closonnage de la voix
- Oui
- Langues
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Personnages maxi
- 5000