# Fun-CosyVoice 3.0

Éditeur : FunAudioLLM (Chine). Poids ouverts. Licence : Apache 2.0.

En bref : 6e sur 16 en prononciation du français.

Page : https://quelleia.com/voix/modeles/funaudiollm-fun-cosyvoice3-0-5b-2512/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Fun-CosyVoice 3.0 est un système de synthèse vocale fondé sur un grand modèle de langage, conçu pour le clonage de voix sans entraînement préalable en plusieurs langues. Il gère le streaming du texte en entrée et de l'audio en sortie, et suit des instructions sur la langue, le dialecte, l'émotion ou le débit. (lu sur https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md)

- Sortie : décembre 2025 (lu sur la page de l'éditeur, https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md)
- Taille : 0,5 milliard de paramètres (lu sur la page de l'éditeur, https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : 9 langues, dont le français, plus 18 dialectes et accents chinois (zh, en, ja, ko, de, es, fr, it, ru).
- Prises en charge selon Open TTS Leaderboard : 9 langues.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 6e sur 16 en prononciation du français (5,79 %).
- Source des langues annoncées : https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md

## Ses classements

- Prononciation du français : 6e sur 16, taux d'erreur par mot 5,79 % ; vitesse : RTFx 3 : produit 3 secondes d'audio par seconde de calcul ; clonage de voix : oui. Source : Open TTS Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_tts_leaderboard (relevé du 19 octobre 2026, version du 9 octobre 2026).

## Modèles proches

- Prononciation du français : [VoxCPM2](https://quelleia.com/voix/modeles/openbmb-voxcpm2/), 5e (5,46 %), juste devant
- Prononciation du français : [Qwen3-TTS-12Hz-1.7B-CustomVoice](https://quelleia.com/voix/modeles/alibaba-qwen3-tts-12hz-1-7b-customvoice/), 7e (5,94 %), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Hugging Face (hf-audio) : FunAudioLLM/Fun-CosyVoice3-0.5B-2512

## Liens

- Page de l'éditeur : https://github.com/FunAudioLLM/CosyVoice
- L'essayer : https://huggingface.co/spaces/FunAudioLLM/Fun-CosyVoice3-0.5B

## Pages lues

- https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md (« Fun-CosyVoice 3.0 is an advanced text-to-speech (TTS) system based on large language models (LLM) »), 17/10/2026
- https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md (« Covers 9 common languages (Chinese, English, Japanese, Korean, German, Spanish, French, Italian, Russian), 18+ Chinese dialects/accents »), 17/10/2026
- https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md (« Support both text-in streaming and audio-out streaming »), 17/10/2026
- https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md (« - [x] 2025/12 - [x] release Fun-CosyVoice3-0.5B-2512 base model, rl model and its training/inference script »), 17/10/2026
- https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md (« | Fun-CosyVoice3-0.5B-2512 | ✅ | 0.5B | »), 17/10/2026