Уютен гласник 2

Premium

Нулто-изстрелен многоязични гласов клониране с подкрепа за струяне

Fast Скорост
Very Good Качество
Да. Клониране
5 Езици

За Уютен гласник 2

CosyVoice2 е синтез на речта от следващото поколение от FunAudioLLM (Alibaba). Тя осигурява естествено-звук клониране на глас през няколко езици с възможност за струене на нископоточно приложение. Изграден на крайния скаларно квантизиране подход, той постига отлична сличност на гласа с само няколко секунди референтен звук.

Ключови характеристики

Голосово клониране с нулеви удари

Клонирайте всеки глас от 3-10 секунди референтен звук с висока верност.

Многоязични

Подкрепя китайски, английски, японски, корейски и кантонски с кръстословен синтез.

Поддръжка за преминаване

Режим на ниско-латентен поток за приложения в реално време и интерактивни системи.

Естествена прозодия

Развитото прозоди моделиране произвежда естествено-звучаща реч с подходяща интонация.

Случаи на употреба

Създаване на многоезично съдържание Гласови асистентки в реално време Кръстословично дублиране Лични заявки за глас

Как да използвате Уютен гласник 2

  1. 1

    Регистриране и вземане на безплатни кредити

    Създайте безплатен TextToSpeechAI профил, за да се задълбочите за стартер кредити, или опитайте първо демото. Не GPU или местна CosyVoice2 инсталиране е необходимо - всичко работи на нашата инфраструктура.

  2. 2

    Изберете CosyVoice2 и добавите референтен клип

    Изберете CosyVoice2 като вашия двигател, след това качи чист 3-10 втори референтен запис на гласа, който искате да клонира. CosyVoice2 ще извадят характеристиките на говорителя за нула-изстреляно многоязично клониране.

  3. 3

    Въведете вашия текст на всеки подкрепен език

    Въведете или вметнете вашия сценарий на китайски, английски, японски, корейски, или кантонски. CosyVoice2 поддържа кръстословен синтез, така че клонираният глас може да говори език, различен от референтния клип.

  4. 4

    Създаване на речта

    Щракнете генерирайте и CosyVoice2 синтетизира естествена, многоезична реч в клонирания глас, обикновено в рамките на секунди за къс текст. Премиум-тиер използване разходи 25 кредита на 1000 символа.

  5. 5

    Изтеглете или използвайте API

    Изтеглете завършения звук като MP3 или WAV от историята си, или автоматизирайте CosyVoice2 клониране на гласа в мащаб през TextToSpeechAI REST API.

Уютен гласник 2 АПИ

Генериране на речна програма с помощта на TextToSpeechAI REST API.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "CosyVoice2 осигурява естествена многоязична реч с нулево\u002Dстрелна гласова клониране способност.",
    "voice": "en_US-lessac-medium"
  }'

Често задавани въпроси

CosyVoice2 е модел на клониране на текст от следващо поколение от текст към език и глас от FunuAudioLLM (Alibaba). Поддържа клонирането на глас с нулеви точки от само няколко секунди референтен звук и може да синтезира естествена реч на китайски, английски, японски, корейски и кантонски. На TextToSpeechAI можете да стартирате CosyVoice2 в браузъра без никаква местна конфигурация.

Да, CosyVoice2 е напълно лицензиран Apache 2.0 - както кода, така и модела тегло. Това прави безопасно да се използва в търговски продукти, платено съдържание, и клиента работа без лицензиране такси или нетърговски ограничения.

CosyVoice2 поддържа пет езика: китайски (мандарински), английски, японски, корейски и кантонски. Също така се справя с кръстословен синтез, така че можете да клонирате глас от запис на един език и генерирате реч на друг.

Осигурете 3-10 секунди чист референтен звук на целевия говорител. CosyVoice2 извлича характеристиките на говорника с помощта на крайния Scalar kvantilization подход, след това генерира нов реч в този клониран глас на всеки от поддържаните му езици. Не се изискват модели обучение или фино устройване.

CosyVoice2 е един от по-силните многоязични модели клониране, запазване на идентичност на оратора дори при генериране на реч на език, различен от референтния клип. Тя произвежда естествена прозодия и интнация, което го прави добре подходящ за кръстословно дубиране и локализирано съдържание.

Да. CosyVoice2 е бърз модел и включва струйни режими, които произвеждат звук с ниска латентност, което го прави подходящ за гласов асистент и интерактивни приложения. На TextToSpeechAI поколения обикновено завършват в секунди за къс текст.

CosyVoice2 изисква около 4-6GB VRAM за модел 0.5B, така че GPU с 6GB или повече се препоръчва при самостоятелното си домакинство. На TextToSpeechAI моделът работи на нашата GPU инфраструктура, така че не се нуждаете от хардуер на собствена.

CosyVoice2 е премиум-тир модел и струва 25 кредита на 1000 символа на текста. Всеки нов акаунт получава безплатни стартер кредити, така че можете да опитате CosyVoice2 глас клониране преди да решите за платен план.

И двете са първокласни клониращи двигатели. GPT-SoviTS често достига най-високата сурова сходност за един един посочен глас, докато CosyVoice2 е по-силен за многоязично и кръстосано клониране и добавя ниско-латен режим на струене. Изберете CosyVoice2 когато имате нужда от един клониран глас, за да говорите няколко езика.

И двете предлагат висококачествено клониране на глас с нулево качество. CosyVoice2 поддържа повече езици (5 спрямо 2) и добавя струминг за реално време, докато F5-TTS може да бъде малко по-бързо за английски-само натоварвания. За многоязични проекти CosyVoice2 обикновено е по-добре.

TextToSpeechAI ви позволява да изнесете CosyVoice2 поколения в общи формати като MP3 и WAV. Можете да изтеглите файла директно от страницата си от историята или да го изтеглите програмно през TextToSpeechAI API.

Да. Можете да тествате CosyVoice2 с безплатно демо и безплатните ви кредити за стартиране на TextToSpeechAI без инсталиране на нищо. Просто се регистрирайте, качвате къс референтен клип, напишете вашия текст на всеки подкрепен език и генерирате.

Technical Specs

  • Generation Speed Fast
  • Output Quality Very Good
  • Voice Cloning Supported
  • Languages 5
  • GPU VRAM 4-6GB
  • Credits/1000 chars 25

Try Уютен гласник 2 Now

Generate your first audio free. No credit card required.

Start Free