CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Envolva o seu texto em tags SSML para controle preciso:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Etiquetas o modelo selecionado entende — clique para soltar um para o seu texto onde acontece:
Este modelo lê texto simples, por isso as etiquetas inline são ignoradas. Para emoção baseada em tags, mude para um modelo expressivo como Orpheus ou Bark.
Definir pronúncias personalizadas (palavra = pronúncia):
Sobre 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.
Melhor para: Multilingual production TTS, real-time applications, voice cloning
Procurar todos CosyVoice3 vozesDe uma olhada
- Desenvolvedor
- Alibaba (FunAudioLLM)
- Licença
- Apache 2.0
- Tier
- standard
- Velocidade
- fast
- Clonagem de voz
- Sim
- Línguas
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Número máximo de caracteres
- 5000