CosyVoice2

Acerca de CosyVoice2

CosyVoice2 es un modelo de síntesis de voz de próxima generación de FunAudioLLM (Alibaba). Ofrece clonación de voz de sonido natural de cero imágenes a través de múltiples idiomas con capacidad de transmisión para aplicaciones de baja latencia. Construido sobre un enfoque de cuantificación escalar finito, logra una excelente similitud de voz con sólo unos segundos de audio de referencia.

Características principales

Casos de uso

Cómo usar CosyVoice2

1. 1

   Regístrese y reclame créditos gratuitos

   Cree una cuenta gratuita TextToSpeechAI para reclamar sus créditos de inicio, o pruebe la demo primero. No se necesita ninguna instalación de GPU o CosyVoice2 local - todo se ejecuta en nuestra infraestructura.

2. 2

   Seleccione CosyVoice2 y agregue un clip de referencia

   Elija CosyVoice2 como su motor, a continuación, subir una grabación de referencia limpia de 3-10 segundos de la voz que desea clonar. CosyVoice2 extraerá las características del altavoz para la clonación multilingüe de cero disparos.

3. 3

   Introduzca su texto en cualquier idioma soportado

   Escriba o pegue su guión en chino, inglés, japonés, coreano o cantonés. CosyVoice2 admite síntesis multilingüe, por lo que la voz clonada puede hablar un idioma diferente del clip de referencia.

4. 4

   Generar el discurso

   Haga clic en generar y CosyVoice2 sintetiza el habla natural y multilingüe en la voz clonada, generalmente en cuestión de segundos para texto corto. El uso de nivel superior cuesta 25 créditos por cada 1.000 caracteres.

5. 5

   Descargue o utilice la API

   Descargue el audio terminado como MP3 o WAV desde su historial, o automatice la clonación de voz de CosyVoice2 a escala a través de la API de TextToSpeechAI REST.

CosyVoice2 API

Generar voz programáticamente usando la API TextToSpeechAI REST.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "CosyVoice2 ofrece un lenguaje multilingüe natural con capacidad de clonación de voz de cero disparos.",
    "voice": "en_US-lessac-medium"
  }'

Preguntas frecuentes