关于 孔晶蒸二
CosyVoice2 是FunAudioLLM (Alibaba) 的下一代语音合成模型。 它提供具有低延度应用流能力的多种语言的自然声音零弹式克隆。 它以有限的天平量化方法构建,通过几秒钟的参考音频实现极佳的语音相似。
关键特征
零热声音克隆
以高度忠诚的方式 开启3 -10秒的音频
多种语文
支持中文、英文、日文、韩文和广东文的跨语言合成。
流流支持
实时应用程序和互动系统的低时空流模式。
自然状态
先进的前代代言模式 产生自然声音的演讲 与适当的内涵。
使用案例
多语言内容创建
实时语音助理
跨语言词汇
个个化语音应用程序
如何使用 孔晶蒸二
-
1
注册并申请免费信贷
创建一个免费的 TextToSpeechAI 账户来申请您的启动贷款, 或者先试演示。 不需要 GPU 或本地 CosyVoice2 安装, 所有的功能都在我们的基础设施上运行 。
-
2
选择 CosyVoice2 并添加引用剪贴
选择 CosyVoice2 做为您的引擎, 然后上传一个干净的 3 - 10 秒引用音频的音频记录。 CosyVoice2 将提取用于零弹多语言克隆的语音特性 。
-
3
输入任何支持语言的文本
使用中文、英文、日文、韩文或广东文键,键入或粘贴您的脚本。 CosyVoice2 支持跨语言合成, 以便克隆声音可以使用不同于参考剪辑的语言。
-
4
生成演讲
点击生成并合成 CosyVoice2 以克隆声音合成自然多语种语言, 通常在短文本的几秒内。 优先级使用成本为每千个字符25分。
-
5
下载或使用 API
从您的历史中下载完成的 MP3 或 WAV 音频,或者通过 TextToSpeechAI REST API 大规模自动化 CosyVoice2 语音克隆 。
孔晶蒸二 API AIP AIPI AIP
以TextToSpeechAIREST API 生成有计划的语言。
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "CosyVoice2 提供自然多语言演讲,具有零发音克隆能力。",
"voice": "en_US-lessac-medium"
}'常问问题
CosyVoice2 是FunAudiolLM (Alaba) 的下一代文字语音克隆模型。 它支持仅几秒钟的参考音频零光语音克隆, 并且可以合成中文、 英文、 日文、 韩文和广东文的自然语言。 TextToSpeechAI 时, 您可以在浏览器中运行 CosyVoice2, 无需设置本地设置。
是的,CosyVoice2是全阿帕奇2.0的许可使用,包括代码和模型重量。 这使得在商业产品、有偿内容和客户工作中使用安全,无需许可证费或非商业限制。
CosyVoice2 支持五种语言: 中文( 普通语言 ) 、 英语、 日语、 韩语和广东话。 它也处理跨语言合成, 这样您就可以从一种语言的录音中克隆一个声音, 并在另一种语言中生成语言 。
CosyVoice2使用有限的天平量度方法提取发言者的特性,然后在任何支持的语言中以克隆声音生成新的语音,不需要示范培训或微调。
CosyVoice2是更强大的多语言克隆模式之一,即使在用与参考剪辑不同的语言发声时,也保留了发言者的身份,它产生自然的手动和诱导,因此非常适合跨语言调和和本地化内容。
是的。 CosyVoice2 是一个快速模型,包含一种流模式,它能产生低潜伏的音频,适合语音助理和互动应用程序。在TextToSpeechAI代人中,通常以秒完成短文本。
CosyVoice2 需要大约 4-6GB 的 VRAM 用于 0.5B 参数模型, 因此当自我托管时建议使用 6GB 或 6GB 以上的 GPU。 在 TextToSpeechAI 上, 该模型运行在我们的 GPU 基础设施上, 所以您不需要任何硬件 。
CosyVoice2 是一种高价模式,每1,000个文字字符要花费25个信用额度。 每个新账户都获得免费启动信用额度,这样你可以在决定支付计划之前尝试CosyVoice2 语音克隆。
这两种语言都是高档语音克隆引擎。 GPT- SoVITS 通常都达到单一目标声音的最原始相似性,而 CosyVoice2 则更适合多语种和跨语言克隆,并增加了一种低时长流模式。 当您需要克隆一种声音来使用几种语言时,请选择 CosyVoice2 。
这两种语言都提供高质量的零声克隆。 CosyVoice2支持更多的语言(5对2),并增加了实时使用流,而F5-TTS对于只用英语的工作量则可以略快一些。 对于多语言项目CosyVoice2 来说,通常更合适。
TextToSpeechAI 允许您以 MP3 和 WAV 等通用格式导出 CosyVoice2 代。 您可以直接从历史页面下载文件, 或者通过 TextToSpeechAI API 程序检索文件 。
是的。 您可以在TextToSpeechAI上测试 CosyVoice2, 免费演示和免费启动分数, 无需安装任何设备。 只要签名、 上传一个简短的参考剪辑、 输入您支持的语言文本, 并生成 。
Technical Specs
- Generation Speed Fast
- Output Quality Very Good
- Voice Cloning Supported
- Languages 5
- GPU VRAM 4-6GB
- Credits/1000 chars 25