CosyVoice3 ТТС
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Заверните текст в SSML для точного контроля:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Помечает выбранную модель, которая понимает — нажмите, чтобы выкинуть одну в ваш текст, где она случается:
Эта модель читает простой текст, поэтому встраиваемые метки игнорируются. Для эмоций на основе метки переключайтесь на экспрессивную модель, как Орфей или Барк.
Определить традиционные произношения (слово = произношение):
О том, что 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.
Лучший для: Multilingual production TTS, real-time applications, voice cloning
Просмотр CosyVoice3 голосаВзгляните.
- Разработчик
- Alibaba (FunAudioLLM)
- Лицензия
- Apache 2.0
- Тяжелый
- standard
- Скорость
- fast
- Клонирование голоса
- Выполнено
- Знание языков
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Максимум символов
- 5000