CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
உங்களின் உரை SSML ஒட்டுகளில் சரியான கட்டுப்பாட்டிற்காக மடி:
<speak><prosody rate="slow">Slow speech</prosody></speak>
தேர்ந்தெடுக்கப்பட்ட மாதிரி புரிந்து கொள்ளும் குறிகள் - உங்கள் உரைக்குள் ஒன்றை இழுக்க க்ளிக் செய்யவும் அது நடக்கும் இடம்:
இந்த மாதிரி வெறும் உரை படிக்கிறது, எனவே உள்ளமைந்த குறிகள் புறக்கணிக்கப்படும். குறி அடிப்படை உணர்வுகளுக்கு, Orpheus அல்லது Bark போன்ற ஒரு வெளிப்படுத்தும் மாதிரிக்கு மாறவும்.
தனிப்பயன் உச்சரிப்புகளை வரையறுக்கவும் (வார்த்தை = உச்சரிப்பு):
& பற்றி 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.
சிறந்த: Multilingual production TTS, real-time applications, voice cloning
அனைத்தையும் உலாவுக CosyVoice3 குரல்கள்ஒரு பார்வை
- உருவாக்குநர்
- Alibaba (FunAudioLLM)
- உரிமம்
- Apache 2.0
- மிருகம்
- standard
- வேகம்
- fast
- குரல் ஒப்புமை
- ஆம்
- மொழிகள்
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- அதிகபட்ச எழுத்துக்கள்
- 5000