> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# CosyVoice 3 - голосовой ИИ от Alibaba на миллион часов речи
- URL: https://matveev.tech/cosyvoice-3-gholosovoi-ii-ot-alibaba-na-million-chasov-riechi/
- Published: 2026-01-11T14:34:35.000Z
- Updated: 2026-01-11T14:34:35.000Z
- Author: Pavel Matveev

---

> **TL;DR:** Alibaba представили CosyVoice 3 - модель синтеза речи нового поколения. Обучена на миллионе часов аудио, понимает 9 языков и 18 китайских диалектов. Умеет клонировать голос, передавать эмоции и смешивать языки в одной фразе.

Привет! Команда FunAudioLLM из Alibaba выкатила третью версию своей модели синтеза речи CosyVoice. И тут есть на что посмотреть.

## Что нового

Главное - масштаб. Датасет вырос с 10 тысяч часов до миллиона. Это примерно 114 лет непрерывной речи. Параметров тоже прибавилось - с 500 миллионов до 1.5 миллиарда.

Что умеет:

- **Zero-shot клонирование** \- даёшь образец голоса, получаешь синтез этим голосом
- **9 языков** \- английский, китайский, японский, корейский, немецкий, испанский, французский, итальянский, русский
- **18 китайских диалектов** \- кантонский, сычуаньский, шанхайский и другие
- **Эмоции** \- радость, грусть, страх, злость, удивление
- **Смешивание языков** \- можно говорить на нескольких языках в одной фразе

## Как это работает

Под капотом - комбинация LLM и технологии chunk-aware flow matching. Звучит сложно, но суть простая: модель понимает контекст и генерирует речь кусками, сохраняя естественность интонаций.

Интересная штука - новый токенизатор речи. Его обучали на нескольких задачах сразу: распознавание речи, определение эмоций, идентификация языка, анализ говорящего. Это помогает модели лучше передавать просодику - то, как мы выделяем слова и расставляем паузы.

## Что это значит

Синтез речи становится всё ближе к человеческому. Миллион часов обучающих данных - это серьёзно. Думаю, скоро увидим эту модель в продуктах Alibaba, а может и в open-source.

Для тех, кто работает с голосовыми интерфейсами - стоит следить за развитием.

📚 Источники

- [Официальная страница CosyVoice 3](https://funaudiollm.github.io/cosyvoice3/?ref=matveev.tech)