CosyVoice3 ТТС
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Мәтінді SSML тегтермен тасымалдау үшін нұсқау:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Таңдалған үлгі түсінетін тегтер - біреуін мәтінге түсіру үшін түртіңіз:
Бұл модель қарапайым мәтін оқиды, сондықтан жол ішіндегі тегтер елеусіз қалып жатыр. Тегтерге негізделген эмоция үшін Orpheus не Bark сияқты өрнекті модельге ауысыңыз.
Өзінің дыбысын анықтау (сөз = дыбысы):
& Бұл туралы 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.
Келесіге ең қолайлы: Multilingual production TTS, real-time applications, voice cloning
Барлығын қарау CosyVoice3 дауысБір қарапайым
- Жасаушы
- Alibaba (FunAudioLLM)
- Лицензия
- Apache 2.0
- Түр
- standard
- Жылдамдығы
- fast
- Дыбысын көшіру
- Иә
- Тілдер
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Макс. таңбалар саны
- 5000