CosyVoice-300M
FunAudioLLM基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 17
CosyVoice-300M-Instruct
FunAudioLLM基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗CosyVoice-300M-SFT
FunAudioLLM基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗CosyVoice2-0.5B
FunAudioLLM**Fun-CosyVoice 3.0** is an advanced text-to-speech (TTS) system based on large language models (LLM), surpassing its predecessor (CosyVoice 2.0) in content consistency, speaker similarity, and prosody naturalness. It is designed for zero-shot multilingual speech synthesis in the wild. - **Language Coverage**: Covers 9 common languages (Chinese, English, Japanese, Korean, German, Spanish, French, Italian, Russian), 18+ Chinese dialects/accents (Guangdong, Minnan, Sichuan, Dongbei, Shan3xi, Shan1xi, Shanghai, Tianjin, Shandong, Ningxia, Gansu, etc.) and meanwhile supports both multi-lingual/cross-lingual zero-shot voice cloning. - **Content Consistency & Naturalness**: Achieves state-of-the-art performance in content consistency, speaker similarity, and prosody naturalness. - **Pronunciation Inpainting**: Supports pronunciation inpainting of Chinese Pinyin and English CMU phonemes, providing more controllability and thus suitable for production use. - **Text Normalization**: Supports reading of numbers, special symbols and various text formats without a traditional frontend module. - **Bi-Streaming**: Support both text-in streaming and audio-out streaming, and achieves latency as low as 150ms while maintaining high-quality audio output. - **Instruct Support**: Supports various instructions such as languages, dialects, emotions, speed, volume, etc. Optionally, you can unzip `ttsfrd` resource and install `ttsfrd` package for better text normalization performance. Notice that this step is not necessary. If you do not install `ttsfrd` package, we will use wetext by default.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗fsmn-vad-GGUF
FunAudioLLM基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-ASR-MLT-Nano-2512
FunAudioLLMThis model is part of the **FunASR** ecosystem — one industrial-grade open-source toolkit for **ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR**. A Star really helps the project (and keeps you updated): Fun-ASR-MLT-Nano-2512 is the 800M-parameter multilingual checkpoint in the Fun-ASR family. It is trained on hundreds of thousands of hours of multilingual speech and supports 31 languages, with emphasis on East and Southeast Asian languages. For the Chinese, English, and Japanese checkpoint trained on tens of millions of hours, use Fun-ASR-Nano-2512. **This repository hosts the MLT checkpoint.** Its supported-language scope differs from the standard Fun-ASR-Nano checkpoint.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-ASR-Nano-2512
FunAudioLLMThis model is part of the **FunASR** ecosystem — one industrial-grade open-source toolkit for **ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR**. A Star really helps the project (and keeps you updated): > ⚡ **CPU / edge — no GPU, no Python:** run Fun-ASR-Nano as a single self-contained binary via **llama.cpp / GGUF** (like whisper.cpp), with built-in VAD. Prebuilt binaries + one-command model download → Fun-ASR-Nano-GGUF · runtime · guide Fun-ASR is an end-to-end speech recognition large model launched by Tongyi Lab. It is trained on tens of millions of hours of real speech data, possessing powerful contextual understanding capabilities and industry adaptability. It supports low-latency real-time transcription and covers 31 languages. It excels in vertical domains such as education and finance, accurately recognizing professional terminology and industry expressions, effectively addressing challenges like "hallucination" generation and language confusion, achieving "clear hearing, understanding meaning, and accurate writing."
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-ASR-Nano-2512-GGUF
FunAudioLLMStandalone audio.cpp GGUF builds of FunAudioLLM/Fun-ASR-Nano-2512-hf. Each file embeds the model configuration, processor configuration, tokenizer, chat template, and the audio.cpp model package specification. The source checkpoint is pinned to revision `854d88f94205cd17d2afdb24332130d86fbe654a`. The source `model.safetensors` SHA256 is `335ca3e74917f1156690400e2c344350112950165789cf78ce3d0a367affd821`. Fun-ASR-Nano currently provides offline multilingual ASR. It does not expose streaming or timestamp output. On CUDA, audio.cpp keeps the Q8_0 encoder and adaptor weights native and loads decoder weights as BF16 by default for stable logits. An explicit `fun_asr_nano.decoder_weight_type` session option overrides that default.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-ASR-Nano-2512-hf
FunAudioLLMThis is the Hugging Face Transformers-compatible version of Fun-ASR-Nano-2512. Fun-ASR-Nano is an end-to-end speech recognition model by FunAudioLLM, trained on tens of millions of hours of real speech data. This checkpoint supports Chinese, English, and Japanese; its Chinese coverage includes 7 dialect groups and 26 regional accents. For 31-language recognition, use the separate Fun-ASR-MLT-Nano-2512 checkpoint. Start with the released **Transformers 5.17.0** package and this native `-hf` checkpoint. A repository clone, custom model code and `trust_remote_code=True` are not required for this path. The original toolkit checkpoint and the vLLM/GGUF artifacts are different formats, not interchangeable model names.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-ASR-Nano-2512-vllm
FunAudioLLMThis is the official vLLM-native packaging of `FunAudioLLM/Fun-ASR-Nano-2512`. It preserves the official checkpoint tensors and adds the layout required by vLLM's `FunASRForConditionalGeneration` implementation. This repository does not define a new model and does not add LoRA weights. The 1,261 tensors in `model.safetensors` are bitwise equal to the tensors in the official source `model.pt` at revision `272c57b82523ada6fd87095e955f8e29100979ab`. The complete machine-readable record is in `MODEL_PROVENANCE.json`. The conversion can be reproduced with `convert_from_official.py`.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-ASR-Nano-GGUF
FunAudioLLMGGUF build of **Fun-ASR-Nano** (SenseVoice SAN-M encoder + adaptor + **Qwen3-0.6B** LLM decoder) for the zero-Python, CPU/edge **FunASR llama.cpp runtime** — the accuracy leader (LLM decoder), single C++ binary. The Fun-ASR-Nano LLM (Qwen3-0.6B) ships in three tiers — all within 0.1% CER (184-file micro-CER). Pair any with `funasr-encoder-f16.gguf` (470 MB). These are GGUF weights for the **FunASR llama.cpp runtime** — a whisper.cpp-style, single self-contained binary for CPU / edge. Grab a prebuilt binary, then fetch this model and run:
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-Audio-Chat-8B
FunAudioLLM基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Fun-CosyVoice3-0.5B-2512
FunAudioLLM**Fun-CosyVoice 3.0**: Demos; Paper; Modelscope; Huggingface; CV3-Eval **CosyVoice 2.0**: Demos; Paper; Modelscope; HuggingFace **CosyVoice 1.0**: Demos; Paper; Modelscope; HuggingFace
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Paraformer-GGUF
FunAudioLLM基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗SenseVoiceSmall
FunAudioLLMSenseVoice is part of the **FunASR** ecosystem — one industrial-grade open-source toolkit for **ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR**. A Star really helps the project (and keeps you updated): > ⚡ **CPU / edge — no GPU, no Python:** run SenseVoiceSmall as a single self-contained binary via **llama.cpp / GGUF** (like whisper.cpp), with built-in VAD. Prebuilt binaries + one-command model download → SenseVoiceSmall-GGUF · runtime · guide github repo : https://github.com/FunAudioLLM/SenseVoice
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗SenseVoiceSmall-GGUF
FunAudioLLMGGUF build of **SenseVoiceSmall** (SAN-M encoder + CTC) for the zero-Python, CPU/edge **FunASR llama.cpp runtime** — multilingual ASR with language / emotion / event tags, **~20× real-time on CPU**. These are GGUF weights for the **FunASR llama.cpp runtime** — a whisper.cpp-style, single self-contained binary for CPU / edge. Grab a prebuilt binary, then fetch this model and run: The binary prints **transcription text** directly (no Python detok). `--ids` for raw ids / `--keep-tags` for the lang/emotion tags.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗SenseVoiceSmall-GGUF-audiocpp
FunAudioLLMThis repository contains a self-contained Q8_0 export of SenseVoiceSmall for the audio.cpp spec-backed runtime. The GGUF embeds the `sense_asr` schema-v1 model specification, SenseVoice metadata, SentencePiece vocabulary, CMVN tensors, and 919 model tensors. It loads directly without `--model-spec-override`. The integration is tracked in audio.cpp pull request #218. The model was exported from `FunAudioLLM/SenseVoiceSmall` revision `3847d57b6bdf2dd8875cb1508d2af43d80a16bf7` with the official `runtime/llama.cpp/export_sensevoice_gguf.py` exporter using `--wtype q8_0` and `--model-spec`.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.