Fiche · Synthèse vocale · relevé du 19 octobre 2026

Fun-CosyVoice 3.0

Poids ouverts
Licence : Apache 2.0
Français annoncé

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

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 huggingface.co, le 17/10/2026.

Sortie: décembre 2025 lu sur la page de l'éditeur
Taille: 0,5 milliard de paramètres lu sur la page de l'éditeur

Page de l'éditeur L'essayer

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). Lu sur huggingface.co.
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 %).

Son classement

Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.

En français · Synthèse vocale
Prononciation du français
6e sur 16taux d'erreur par mot 5,79 %
Vitesse : RTFx 3 : produit 3 secondes d'audio par seconde de calculClonage de voix : oui
Source : Open TTS Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 9 octobre 2026.

Modèles proches

Prononciation du français : devant, VoxCPM2 (5e, 5,46 %) · derrière, Qwen3-TTS-12Hz-1.7B-CustomVoice (7e, 5,94 %)

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.

D'où vient cette fiche

Nom dans les sources: Hugging Face (hf-audio) : FunAudioLLM/Fun-CosyVoice3-0.5B-2512
Fiche: Registre de QUELLE IA, lu sur https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512/raw/main/README.md (« license: apache-2.0 »), 17/10/2026.
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

Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.