CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
တိကျသောထိန်းချုပ်မှုများအတွက် SSML tags များအတွင်းသင်၏စာသားကို Wrap:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags ရွေးချယ်ထားသောမော်ဒယ်နားလည် — ဒါဟာဖြစ်ပျက်တဲ့နေရာမှာသင့်ရဲ့စာသားထဲသို့တစ်ဦး drop ကိုကလစ်နှိပ်ပါ:
ဒီပုံစံကိုရိုးရှင်းတဲ့စာသားဖတ်ရှု, ဒါကြောင့် inline tags တွေကိုလျစ်လျူရှုနေကြသည်။ tag ကိုအခြေခံစိတ်ခံစားမှုအတွက်, Orpheus သို့မဟုတ် Bark ကဲ့သို့သောဖော်ပြမှုပုံစံသို့ switch.
custom pronunciations ကိုသတ်မှတ်ပါ (word = pronunciation):
အကြောင်း 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.
အကောင်းဆုံး: Multilingual production TTS, real-time applications, voice cloning
အားလုံးကို ရှာဖွေ CosyVoice3 အသံများတစ်ချက်ကြည့်ပါ
- ဖန်တီးသူ
- Alibaba (FunAudioLLM)
- လိုင်စင်
- Apache 2.0
- အမျိုးအစား
- standard
- အမြန်နှုန်း
- fast
- အသံကို ကူးယူခြင်း
- ဟုတ်ကဲ့
- ဘာသာစကားများ
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- အက္ခရာအရေအတွက်
- 5000