阿里开源旗舰级多语言语音生成大模型,仅需 3 秒样本即可高保真复刻音色并跨语种流畅发音。
阿里通义实验室开源发布,支持 3 秒极速零样本声音克隆、跨语种语音合成以及细粒度情绪富文本控制。
CosyVoice 是阿里巴巴 FunAudioLLM 团队打造的开源语音生成标杆。其最强杀手锏在于极速零样本克隆能力:只需任意一段 3 秒以上的目标人物日常音频,无需漫长的微调训练,模型即可立即掌握该人物的发音共鸣与腔调,并且能够直接让该音色说出地道的英语、日语或韩语,跨语种音色保真度极高。同时支持细致的情感标记与精细韵律调整,深受全球开发者推崇。