模型定位
CosyVoice-v3-Flash 是阿里巴巴通义实验室 CosyVoice 系列的语音合成与声音复刻模型,通过阿里云百炼提供推理服务。其主要输入为文本,输出为音频。(help.aliyun.com)
能力与用途
- 支持文本转语音及实时流式合成;官方称其相较前代改善了自然度、音质、韵律和情感表现力。
- 支持通过参考录音复刻声音;官方公告称可使用 5–20 秒参考音频生成定制声音。当前接入指南建议录音时长为 10–20 秒,最长不超过 60 秒。
- 可用于实时语音播报、配音和定制声音等场景。不同音色支持的语言和功能有所区别。(help.aliyun.com)
限制
- 复刻参考音频需包含至少 5 秒连续清晰的人声;应避免背景音乐、环境噪声和其他人声。
- 复刻音色绑定创建时指定的目标模型,不能跨模型使用;合成文本应使用所选音色支持的语言,否则可能发音错误或听感不自然。
- 模型信息页未列出最大输入长度、最大输出长度或上下文窗口;也未列出函数调用、联网搜索、上下文缓存和批量推理支持。(help.aliyun.com)
发布日期
国内百炼公告将该模型列于 2025-11-17;同一公告的国际服务部署范围中,列出的日期为 2026-02-09。(help.aliyun.com)
官方价格
查询日期:2026-11-17。以下均为按量调用语音合成的原价,按输入文本字符数计费,输出音频不另计费;不同站点和地域的报价不能视为同一套餐的汇率换算。(alibabacloud.com)
| 官方站点与部署地域 | 输入价格 | 输出价格 |
|---|---|---|
| 中国站,华北2(北京) | CNY 1 / 万字符 | 免费 |
| 中国站,新加坡国际部署 | CNY 0.9541 / 万字符 | 免费 |
| 国际站,新加坡国际部署 | USD 0.13 / 万字符 | 免费 |
| 国际站,中国(北京) | USD 0.14335 / 万字符 | 免费 |
中国站的声音复刻指南称,创建 CosyVoice 音色免费,使用复刻音色合成语音时按目标模型计费。具体可用性及最终费用以相应站点和控制台为准。(help.aliyun.com)