CosyVoice 2
Free.ai (self-hosted)
·
tts
·
~500 tokens per clip
·
4.3
saka 3 user of this category
CosyVoice 2 iku a swara teks-ka-waca kang dibangun déning Alibaba FunAudioLLM. Dhèwèké dadi anggota grup band Free_Freaks. Free.ai GPUs — dioperasikeun gratis ngalawan pool token anjeun saben dinten (500 tokens per clip). Released under Apache 2.0 — commercial use permitted on Free.ai.
Nggunakake liwat API
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"cosyvoice2","text":"hello world"}'Takon-takon sing asring diajukake
CosyVoice 2 ngadukung rupa-rupa basa. Sarat anu pasti gumantung kana mesin; formulir dina halaman ieu nampi teks naon waé sarta mesin bakal ngahasilkeun dina basa anu didukung. Lihat /voice/ pikeun pemilih multi-enjin lengkep upami anjeun peryogi basa husus.
Kabéh mesin ngahasilkeun basa Inggris Amerika netral sacara piawai sarta aksen anu cocog pikeun wewengkon pikeun basa non-Inggris. Mesin Premium bisa ngajelaskeun variasi aksen — tempelkeun conto pikeun ngabandingkeun.
Dukungan SSML béda-béda gumantung kana mesin. Tag pause, prosody, jeung emphasis dihormat dina kabéh mesin premium sarta dina sababaraha mesin anu dihosting sorangan. Teks biasa salawasna tiasa dianggo — teu meryogikeun markup.
Streaming TTS aya dina mesin premium ngaliwatan titik akhir /v1/tts/ API kalawan stream=true. UI web dina halaman ieu balikkeun klip pinuh sanggeus rendering réngsé.
CosyVoice 2 dijalankeun dina GPU urang sorangan. Generasi ditarik ti pool gratis anjeun sapopoé mimitina. Sanggeus dibuang, tokens dibayar mimiti $5 → 200,000 tokens. Kira-kira ~5 tokens per karakter, minimum 100 per klip.
Dina 5000 karakter per pancén dina UI web. Pikeun bagian anu langkung lami (buku audio, bab lengkep), nganggo /voice/audiobook/ anu ngagulung sareng ngahijikeun sacara otomatis, atanapi ngahubungi API dina loop.
Ya — POST daftar string ka /v1/tts/batch/, atawa nganggo UI ruang kerja di /workspace/ pikeun ngahijikeun TTS kana pipa anu langkung panjang (contona, translate → speak → stitch).
Ya — POST teks ka /v1/tts/ kalawan model="CosyVoice 2" (atawa slug dina kaca ieu). Kembali WAV atawa MP3. Lihat /api/ pikeun referensi lengkep + snippet SDK.
Halaman ieu nyaéta teks-ka-wacana, lain kloning sora — sora nyaéta pigura piawai mesin. Pikeun kloning sora (ngunggah audio rujukan), tingali /voice/clone/, anu meryogikeun anjeun gaduh hak sora atanapi ngagaduhan idin tulisan anu jelas.
Mesin self-hosted dijalankeun dina GPUs milik Free.ai; teu aya anu ninggalkeun panyadia kami. Mesin Premium ngaleupaskeun teks ka panyadia model upstream dina DPA kami. Kami henteu ngalatih dina input anjeun sareng henteu ngajual data.
Ya — Free.ai ngawenangkeun pamakéan komersial tina audio anu dihasilkeun. Lisénsi mesin anu di handapeun (Apache 2.0, MIT, atawa istilah vendor) digambarkeun di luhur sarta dina halaman referensi model; dina praktekna ieu hartosna voiceovers, iklan, podcast, sarta aplikasi sadayana aya dina scope.
Ya — karya gagal auto-refund kanggo sumber (pool saben dina utawa token dibayar). Yen refund ora katon dina sing padha, email contact@free.ai.