合成機能：CosyVoice-v3-Flash は、Tongyi Labs の CosyVoice シリーズにおける最新の高性能音声合成モデルです。以前のバージョンと比較して、自然さ、音色、プロソディ、感情表現が向上しています。このモデルは、リアルタイムストリーミング音声合成をサポートしています。クローン機能：CosyVoice-v3-Flash は、Tongyi Labs の CosyVoice シリーズにおける最新の音声クローンモデルでもあります。以前のバージョンと比較して、発音の精度と音色の類似性が向上し、さらに多くの言語 (ドイツ語、スペイン語、フランス語、イタリア語、ロシア語、日本語) のサポートが追加されました。わずか 5～20 秒のリファレンス音声から、非常に類似性の高い自然な響きのカスタム音声を迅速に生成できます。
推論サービスプロバイダー
cosyvoice-v3-flash の推論サービスプロバイダーは Alibaba Cloud Model Studio です。
モデルの機能
| 機能 | サポート | 機能 | サポート |
|---|---|---|---|
入力モダリティ | テキスト | 出力モダリティ | オーディオ |
モデル体験 | 非対応 | Function Calling | 非対応 |
構造化出力 | 非対応 | ウェブ検索 | 非対応 |
プレフィックス補完 | 非対応 | コンテキストキャッシュ | 非対応 |
バッチ推論 | 非対応 | ファインチューニング | 非対応 |
コンテキスト制限
| パラメーター | 値 | パラメーター | 値 |
|---|---|---|---|
最大入力長 | — | 最大出力長 | — |
コンテキストウィンドウ | — |
料金
このページには、期間限定プロモーションを除いた、モデル API 呼び出しの基本料金のみが表示されています。プロモーション情報については、Model Studio コンソールをご参照ください。
中国 (北京)
| 課金項目 | 価格 (USD) | 単位 |
|---|---|---|
TTS | 0.14335 | 10,000 文字あたり |
シンガポール
適用範囲：国際
| 課金項目 | 価格 (USD) | 単位 |
|---|---|---|
TTS | 0.13 | 10,000 文字あたり |
レート制限
中国 (北京)
| パラメーター | 値 |
|---|---|
RPM (1分あたりのリクエスト数) | 180 |
シンガポール
適用範囲：国際
| パラメーター | 値 |
|---|---|
RPM (1分あたりのリクエスト数) | 180 |