CosyVoice3 TTS
Alibaba FunAudioLLM's latest multilingual model with ~150ms bi-streaming, instruction control, and zero-shot cloning.
SSML ٹیگ میں اپنے متن کو دقيق کنٹرول کے لیے لپیٹیں:
<speak><prosody rate="slow">Slow speech</prosody></speak>
تگ منتخب ماڈل سمجھتا هے - آپ کے متن ميں ایک ڈالنے کے ليے کلک کريں جہاں هيں :
هي ماڈل عام متن پڑھتا هے ، تو ان لائن ٹگز کو نظر انداز کريں تا گ ڑي گي ايميشن کے ليے ، اورف يا بارک کے ليے بيان کر نے والے ماڈل ميں تبديل کريں
خود ساختہ تلفظ (لفظ = تلفظ):
متعلقہ 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.
بہترین: Multilingual production TTS, real-time applications, voice cloning
سب براؤز کریں CosyVoice3 آوازیںایک نظر میں
- ڈیولپر
- Alibaba (FunAudioLLM)
- لائسنس
- Apache 2.0
- تير
- standard
- رفتار
- fast
- آواز کا کلوننگ
- جی ہاں
- زبانیں
- English, Chinese, Japanese, Korean, German, Spanish, French, Italian, Russian
- زیادہ سے زیادہ حروف
- 5000