Пока все гонятся за размерами моделей, Alibaba Cloud идет в обратную сторону и побеждает. Состоялся релиз CosyVoice 3 — компактной нейросети для клонирования голоса и озвучки, которая при своих скромных размерах выдает феноменальные результаты.
Вот почему это событие обсуждает всё IT-сообщество:
🔖 ⚡️ Работает даже на «калькуляторе»
Модель имеет всего 0.5B параметров. Это значит, что её можно запустить локально практически на любом современном ПК или даже ноутбуке. Больше не нужны гигантские серверные мощности для качественного синтеза речи.
🔖 🎙 Клонирование голоса за секунды (Zero-shot)
Главная «киллер-фича» — режим Zero-shot. Вам нужно всего от 3 до 10 секунд записи голоса, чтобы нейросеть полностью скопировала его тембр, интонации, эмоции и даже фоновые шумы. При этом качество генерации в 3 раза превосходит аналогичные решения от конкурентов.
🔖 🌍 Поддержка русского языка
CosyVoice 3 — по-настоящему мультиязычная модель. Она поддерживает 9 языков, включая русский и английский. Это делает её одной из лучших бесплатных альтернатив для создания озвучки контента на локальных рынках.
🔖 🚀 Скорость и гибкость
• Сверхнизкая задержка: Стриминг аудио работает с задержкой всего 150 мс — идеально для голосовых помощников и перевода в реальном времени.
• Тонкая настройка: Вы можете управлять произношением, добавлять нужные эмоции или специфические звуки.
🔖 🆓 Полный Open Source
Alibaba не стала прятать технологию за платной подпиской. CosyVoice 3 доступна в открытом доступе с коммерческой лицензией. Это открывает дорогу разработчикам для создания новых приложений, озвучки игр и сервисов автоматизации.
Итог: Мы получили мощнейший инструмент, который делает качественное клонирование голоса доступным каждому. Будущее подкастов, локализации видео и интерактивных помощников уже здесь.