CosyVoice3

CosyVoice3 เสียง

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

ลงทะเบียน สำหรับจำกัดตัวอักษร 5,000 ตัว

หมุนข้อความของคุณในแท็ก SSML เพื่อควบคุมอย่างแม่นยำ:

<speak><prosody rate="slow">Slow speech</prosody></speak>

แท็กที่โมเดลที่เลือกไว้เข้าใจ - คลิกเพื่อวางแท็กลงในข้อความของคุณที่มันเกิดขึ้น:

โมเดลนี้อ่านข้อความธรรมดา ดังนั้น แท็กในบรรทัดจะถูกละเลย สำหรับอารมณ์ที่ใช้แท็ก เปลี่ยนไปใช้โมเดลแสดงออก เช่น Orpheus หรือ Bark

ตั้งค่าการออกเสียงที่กำหนดเอง (คำ = การออกเสียง):

-12 +12
0.5x 2.0x
ใช้ฟรีกับไพเปอร์, VITS, MeloTTS
เสียงที่สร้างขึ้นจะปรากฏที่นี่ เลือกโมเดล พิมพ์ข้อความ และคลิกที่ สร้าง
สร้างเสียงสำเร็จแล้ว
0:00
ดาวน์โหลดเพลง ดาวน์โหลด ลิงก์หมดอายุใน 24 ชั่วโมง
ระดับฟรี: ใช้ส่วนตัว ใบอนุญาตเชิงพาณิชย์จาก $5/เดือน
ทำเสียงนี้เป็นเสียงของตัวเอง โคลนเสียงใน 30 วินาที
รัก TTS.ai บอกเพื่อนๆ

เกี่ยวกับ 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.

เหมาะสำหรับ: Multilingual production TTS, real-time applications, voice cloning

แสดงทั้งหมด CosyVoice3 เสียง

เพียงแค่มองดู

ผู้พัฒนา
Alibaba (FunAudioLLM)
ใบอนุญาต
Apache 2.0
สัตว์
standard
ความเร็ว
fast
เสียง
ใช่
ภาษา
English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
จำนวนตัวอักษรสูงสุด
5000

CosyVoice3 เสียง

Chinese Female

Chinese
ค่ามาตรฐาน Female

Chinese Male

Chinese
ค่ามาตรฐาน Male

English Female

English
ค่ามาตรฐาน Female

English Male

English
ค่ามาตรฐาน Male

French Female

French
ค่ามาตรฐาน Female

German Female

German
ค่ามาตรฐาน Female

Italian Female

Italian
ค่ามาตรฐาน Female

Japanese Female

Japanese
ค่ามาตรฐาน Female

Korean Female

Korean
ค่ามาตรฐาน Female

Russian Female

Russian
ค่ามาตรฐาน Female

Spanish Female

Spanish
ค่ามาตรฐาน Female

CosyVoice3 คำถามที่พบบ่อย

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.
← เสียงทั้งหมด