← Alle Modelle

CosyVoice-v3-Flash

Veröffentlicht Herausgeber Alibabacosyvoice-v3-flash

Einordnung und Veröffentlichung

CosyVoice-v3-Flash ist ein leistungsorientiertes Sprachsynthese- und Stimmenklonmodell der CosyVoice-Reihe von Tongyi Labs. Alibaba führt es für den chinesischen Dienst unter dem 17. November 2025; der internationale Dienst wird separat unter dem 9. Februar 2026 aufgeführt. (help.aliyun.com)

Fähigkeiten und Einsatz

Das Modell wandelt Text in Audio um und unterstützt Echtzeit-Streaming. Gegenüber früheren Versionen nennt Alibaba Verbesserungen bei Natürlichkeit, Klangfarbe, Prosodie und emotionalem Ausdruck. Für das Stimmenklonen reichen laut Anbieter 5–20 Sekunden Referenzaudio; unterstützt werden unter anderem Deutsch, Spanisch, Französisch, Italienisch und Russisch. Mögliche Anwendungen sind Hörbücher, Videosynchronisation und Sprachassistenten. (help.aliyun.com)

Einschränkungen

Die Dokumentation weist Funktionsaufrufe, strukturierte Ausgaben, Websuche, Präfixfortsetzung, Kontext-Caching und Batch-Inferenz als nicht unterstützt aus. Für maximale Eingabe-, Ausgabe- und Kontextlängen nennt die Modellübersicht keine Werte. Die Sprache des Synthesetextes muss zur gewählten Stimme passen; andernfalls können Aussprachefehler oder unnatürliche Sprache auftreten. (help.aliyun.com)

Preise

Stand der Abfrage: 17. November 2026. Die folgenden offiziellen Standardpreise beziehen sich auf die Sprachsynthese per API. Abgerechnet werden jeweils Zeichen des Eingabetextes; die Audioausgabe wird nicht separat berechnet. Region und Abrechnungsplattform sind zu beachten; die Preise sind keine Währungsumrechnungen desselben Angebots. (help.aliyun.com)

Weitere offizielle Quellen