CosyVoice 2.0
简介：CosyVoice 2.0是一款基于深度学习的语音生成大模型，通过有限标量量化技术和新型架构设计，在发音准确性、音色一致性和韵律表达方面表现出色。其支持流式推理，延迟低至150ms，广泛应用于智能助手、有声读物、视频配音及语言学习等领域，同时具备多语言支持和情感控制等功能。
项目地址
CosyVoice 2.0是阿里巴巴通义实验室发布的一款升级版语音生成大模型。该模型采用有限标量量化技术优化码本利用率，并通过简化文本-语音语言模型架构，增强了多场景语音合成的支持能力。CosyVoice 2.0在发音准确性、音色一致性、韵律及音质等方面均有显著提升，MOS评分从5.4升至5.53，同时实现了更低的首包合成延迟（150ms），适用于实时语音合成场景。
发表评论 取消回复