CosyVoice3 टीएसटी
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
अस्थायी नियंत्रण के लिए एसएसएमएल टैग में अपने पाठ को लपेटें:
<speak><prosody rate="slow">Slow speech</prosody></speak>
चुने गए मॉडल को समझने के लिए टैग - पर क्लिक करें जहाँ हो वहाँ किसी को छोड़ा जाए:
यह मॉडल सादा पाठ पढ़ता है, तो इनलाइन टैग नज़रअंदाज़ किया जाता है. टैग आधारित भावना के लिए, ओरे-हिक मॉडल या बारक में स्विच करता है.
मनपसंद उच्चारण पारिभाषित करें (नाम = उच्चारण):
के बारे में 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.
के लिए उत्तम: Multilingual production TTS, real-time applications, voice cloning
सभी ब्राउज़ करें CosyVoice3 आवाज़एक नज़र
- डेवलपर
- Alibaba (FunAudioLLM)
- लाइसेंस
- Apache 2.0
- टीयर
- standard
- गति
- fast
- आवाज कहीं नहीं
- हाँ
- भाषाएँ
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- अधिकतम अक्षर
- 5000