CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
Переносити ваш текст до міток SSML для точного керування:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Додати позначки емоцій доставки впливу (відносна підтримка model):
Ця модель читає простий текст, отже теґи вбудований буде проігноровано. Для емоцій, заснованих на мітках, перемкніться на модель експресивного вираження, на зразок Orpheus або Bark.
Визначити нетипові вимови (слово = вимова):
Про програму 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.
Найкраще для: Multilingual production TTS, real-time applications, voice cloning
Перегляд всього CosyVoice3 голосиНа перший погляд
- Розробник
- Alibaba (FunAudioLLM)
- Ліцензія
- Apache 2.0
- Тір
- standard
- Швидкість
- fast
- Клонування голосів
- Так.
- Мови
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- Макс. символи
- 5000