三花快讯 · 2024, 12月19日
阿里发布 CosyVoice 2.0:双向流媒体与发音优化
效果非常好,推理速度慢,期待后续优化
阿里发布了 CosyVoice 2.0 文本转语音模型,该版本不仅支持文本和语音的双向流媒体,还在绕口令、多音字和生僻字的发音错误上减少了 30%-50%。此外,模型还进行了其他性能改进。
目前代码已经开源,也有在线演示。效果是真的厉害,就是推理速度非常的慢,希望后续能优化一下。
商业转载请联系三花微信公众号获得授权,非商业转载请注明本文出处及文章链接,您可以自由地在任何媒体以任何形式复制和分发作品,也可以修改和创作,但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。