CosyVoice3

CosyVoice3 TTS

Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.

မှတ်ပုံတင်ပါ 5,000 စာလုံးအဆုံးသတ်

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):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS နှင့်အတူအခမဲ့
သင်၏ထုတ်လုပ်အသံဒီမှာပေါ်လာလိမ့်မည်။ ရွေးချယ်ပါ, စာသားကိုထည့်သွင်း, နှင့် Generate ကိုကလစ်နှိပ်ပါ.
အသံဖိုင် အောင်မြင်စွာ ထုတ်လုပ်နိုင်ခဲ့သည်
0:00
အသံဖိုင်များ ဒေါင်းလုပ်လုပ် ဒေါင်းလုပ်လုပ်.srt Link ကို 24h တွင်ကုန်ဆုံးသည်
အခမဲ့ tier: ပုဂ္ဂလိကအသုံးပြုမှု။ စီးပွားရေးလိုင်စင်မှ $5/mo
TTS.ai ကိုချစ်ပါသလား?

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 အသံများ

တစ်ချက်ကြည့်ပါ

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

CosyVoice3 အသံများ

Chinese Female

Chinese
စံ Female

Chinese Male

Chinese
စံ Male

English Female

English
စံ Female

English Male

English
စံ Male

French Female

French
စံ Female

German Female

German
စံ Female

Italian Female

Italian
စံ Female

Japanese Female

Japanese
စံ Female

Korean Female

Korean
စံ Female

Russian Female

Russian
စံ Female

Spanish Female

Spanish
စံ Female

CosyVoice3 TTS — FAQ

CosyVoice3 adds bi-streaming inference at around 150ms latency, instruction-based control over emotion/speed/volume, improved speaker similarity for cloning, and coverage of 9 languages plus 18 Chinese dialects, with an RL-tuned variant for state-of-the-art prosody.

Yes. It supports zero-shot voice cloning from a reference clip (around 3 seconds minimum) with improved speaker similarity over the previous generation.

Yes. CosyVoice3 is licensed under Apache 2.0, permitting commercial use.
← အသံအားလုံး