开源更新｜语音生成大模型CosyVoice升级2.0版本

文章预览

CosyVoice 是阿里巴巴通义实验室语音团队于今年7月份开源的语音生成大模型，依托大模型技术，实现自然流畅的语音生成体验。与传统语音生成技术相比，CosyVoice具有韵律自然、音色逼真等特点。自开源以来，CosyVoice凭借高品质的多语言语音生成、零样本语音生成、跨语言语音生成、富文本和自然语言的细粒度控制能力获得了广大社区开发者们的喜爱和支持。 如今， CosyVoice迎来全面升级 ，我们将发布CosyVoice2.0版本，提供更准、更稳、更快、 更好的语音生成能力。 超低延迟： CosyVoice 2.0提出了离线和流式一体化建模的语音生成大模型技术，支持双向流式语音合成，在基本不损失效果的情况下首包合成 延迟可以达到150ms 。 高准确度： CosyVoice 2.0合成音频的发音错误相比于CosyVoice 1.0相对下降30%～50%，在Seed-TTS测试集的hard测试集上取得 当前最低的字错 ………………………………