Fun-CosyVoice3의 개요
Fun-CosyVoice3-0.5B-2512는 Alibaba 퉁이(Tongyi) 음성 팀의 텍스트 음성 변환 제품군 CosyVoice 3의 오픈 버전으로, 2025년 12월 강화학습(RL)으로 조정한 변형과 함께 공개됐습니다. 5억 파라미터로 중국어, 영어, 일본어, 한국어, 독일어, 스페인어, 프랑스어, 이탈리아어, 러시아어를 말하며, 광둥어, 민난어, 쓰촨어 등 18개 이상의 중국어 방언과 억양도 지원합니다.
한 언어 안에서든 언어를 넘어서든 제로샷으로 목소리를 복제하고, 언어, 방언, 감정, 속도, 음량 지시를 받으며, [breath] 같은 태그를 쓰고, 병음이나 CMU 음소로 발음을 고칠 수 있습니다. 텍스트 입력과 오디오 출력을 스트리밍하며, 팀은 지연이 최저 150 ms라고 밝힙니다. 가중치는 Apache 2.0이며, Hugging Face 페이지에는 지난 한 달 동안 약 260,000회 다운로드가 기록됐습니다.
Fun-CosyVoice3의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Self-hosted | Free | Apache 2.0 |
| cosyvoice-v3-flash (Model Studio) | $0.13 per 10,000 characters | 싱가포르 리전, 90일간 10,000자 무료 |
| cosyvoice-v3-plus (Model Studio) | $0.26 per 10,000 characters | 싱가포르 리전, 90일간 10,000자 무료 |
Apache 2.0으로 무료입니다. Alibaba Cloud의 호스팅 cosyvoice-v3-flash는 국제 리전에서 10,000자당 $0.13, cosyvoice-v3-plus는 $0.26입니다.
Fun-CosyVoice3, 쓸 만한 가치가 있습니까?
Fun-CosyVoice3는 중국어 방언에서 가장 강력한 오픈 선택지이며, 0.5B 파라미터라 실시간 음성 에이전트에 쓸 만큼 작습니다. 광둥어, 민난어, 십여 개가 넘는 지역 억양을 체크포인트 하나로 처리하는 오픈 모델은 드물고, 이를 Apache 2.0으로, 팀이 최저 150 ms라고 밝힌 스트리밍과 함께 해내는 모델은 더 드뭅니다.
중국어에서는 정확도 수치가 이를 뒷받침합니다. 팀의 테스트 세트에서 RL 변형은 중국어 문자 오류율 0.81%, 어려운 세트 5.44%를 기록해 표에서 가장 낮고, ByteDance Seed-TTS의 1.12%와 7.59%보다 앞섭니다. 영어는 1.68%로 탄탄하지만 1위는 아닙니다. 대가는 목소리 닮음입니다. RL 변형의 영어 화자 유사도는 69.5로 Seed-TTS의 76.2보다 낮고, 기본 모델은 71.8로 목소리에 더 가깝지만 오류가 더 많습니다.
서빙 측면에서 저장소는 CosyVoice 2와 3가 vLLM 0.9.0과 0.11 이상에서 돌아간다고 밝힙니다. 약 4배 가속을 내는 TensorRT-LLM 런타임은 CosyVoice 2에 대해서만 문서화돼 있습니다. VRAM 수치는 공개되지 않았습니다. Alibaba는 Model Studio에서 호스팅 CosyVoice v3 모델도 10,000자당 $0.13과 $0.26, 즉 100만 자당 $13과 $26에 팔지만, 이 가중치와 같은 모델인지는 밝히지 않습니다.
주의할 점: 오남용 방 지 장치가 전혀 없습니다. 저장소는 내용을 '학술 목적 전용'이라고 하지만 가중치는 Apache 2.0이고, 워터마크도, 동의 관련 문구도, 참조 클립에 대한 안내도 없습니다. 프로젝트 로드맵에는 2026년 항목이 없으며, Alibaba 호스팅 CosyVoice는 v3.5로 넘어갔는데 오픈 버전은 여전히 0.5B에 머뭅니다.
결론: 중국 시장용 음성 에이전트라면 Fun-CosyVoice3가 넘어야 할 기준입니다. 중국어 밖에서는 VoxCPM2, Qwen3-TTS와 비교해야 하며, 어느 팀이든 결정 전에 직접 들어 봐야 합니다.
제 역할을 하는 곳
광둥성 핀테크 기업의 고객 서비스 팀
브랜드 목소리 하나로 광둥어와 표준 중국어 전화를 응대하기
브랜드 목소리를 한 번 복제하고 통화마다 광둥어나 표준 중국어로 말하도록 지시합니다. vLLM으로 스트리밍하면 첫 오디오가 약 150 ms에 나옵니다. Apache 2.0이라 분당 요금이 없습니다.
숏폼 영상을 만드는 지역 미디어 기업
같은 대본을 쓰촨어, 상하이어, 민난어로 내레이션하기
내레이터 클립 하나와 방언 지시를 넣고, [j][ǐ] 같은 병음 태그로 이름을 바로잡습니다. 남는 GPU가 없다면 10,000자당 $0.13인 호스팅 cosyvoice-v3-flash도 선택지입니다.
적은 예산으로 다국어 음성 에이전트를 만드는 ML 엔지니어
정확도와 목소리 닮음 사이에서 고르기
단어가 정확해야 하는 곳에는 RL 변형(중국어 오류율 0.81%)을, 복제한 목소리가 더 중요한 곳에는 기본 모델(중국어 유사도 78.0 대 77.4)을 씁니다.
도입 전 확인할 점
- 설정
- --recursive로 저장소를 클론하고 Python 3.10 conda 환경을 만든 뒤 의존성을 설치하고 snapshot_download로 가중치를 받습니다. 선택 패키지 ttsfrd를 설치하면 텍스트 정규화가 좋아집니다.
- 연동
- Python API, vLLM 0.9.0 및 0.11 이상, ModelScope Gradio 데모. Alibaba Cloud Model Studio가 호스팅 cosyvoice-v3-flash와 cosyvoice-v3-plus를 판매합니다.
- 데이터와 개인정보
- 자체 호스팅이므로 텍스트와 참조 오디오가 로컬에 남습니다. Model Studio에서는 데이터 처리가 Alibaba Cloud 약관을 따릅니다. 오픈 버전에는 동의나 워터마크 장치가 없습니다.
- 대규모 사용 시 비용
- 가중치는 무료입니다. 10,000자당 $0.13인 호스팅 cosyvoice-v3-flash로 월 5,000만 자면 약 $650, v3-plus면 약 $1,300입니다.
- 제한
- 9개 언어, VRAM과 최대 텍스트 길이 미공개, TensorRT-LLM 가속은 CosyVoice 2에 대해서만 문서화돼 있습니다.
좋은 점
- RL 변형의 중국어 문자 오류율 0.81%로 Seed-TTS보다 앞섬
- 체크포인트 하나로 18개 이상의 중국어 방언과 억양
- 최저 150 ms 지연의 스트리밍, vLLM 지원
- 0.5B 파라미터에 Apache 2.0
아쉬운 점
- 워터마크, 동의 확인, 오남용 안내가 없음
- RL 변형은 정확도를 얻는 대신 화자 유사도가 낮아짐
- VRAM 수치 미공개, 2026년 로드맵 업데이트 없음
- 9개 언어로 VoxCPM2나 OmniVoice보다 적음
추천 대상
중국어 음성 에이전트나 방언 콘텐츠를 만들며, 직접 운영할 수 있는 작고 상업적으로 쓸 수 있는 모델이 필요한 팀.
Fun-CosyVoice3 대안
Fun-CosyVoice3: 자주 묻는 질문
- Fun-CosyVoice3, 쓸 만한 가치가 있습니까?
- Fun-CosyVoice3는 중국어와 그 방언에 고를 만한 작고 빠른 Apache 라이선스 복제 모델이며, 다른 8개 언어의 스트리밍 에이전트에도 무난한 선택입니다. 평점은 5점 만점에 3.9점입니다.
- Fun-CosyVoice3의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다. Alibaba Cloud의 호스팅 cosyvoice-v3-flash는 국제 리전에서 10,000자당 $0.13, cosyvoice-v3-plus 는 $0.26입니다.
- Fun-CosyVoice3의 단점은 무엇입니까?
- 워터마크, 동의 확인, 오남용 안내가 없음; RL 변형은 정확도를 얻는 대신 화자 유사도가 낮아짐; VRAM 수치 미공개, 2026년 로드맵 업데이트 없음; 9개 언어로 VoxCPM2나 OmniVoice보다 적음.
- Fun-CosyVoice3에 적합한 사람은 누구입니까?
- 중국어 음성 에이전트나 방언 콘텐츠를 만들며, 직접 운영할 수 있는 작고 상업적으로 쓸 수 있는 모델이 필요한 팀.
- 팀이나 프로덕션 환경에서 Fun-CosyVoice3의 비용은 얼마입니까?
- 가중치는 무료입니다. 10,000자당 $0.13인 호스팅 cosyvoice-v3-flash로 월 5,000만 자면 약 $650, v3-plus면 약 $1,300입니다.
- Fun-CosyVoice3에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅이므로 텍스트와 참조 오디오가 로컬에 남습니다. Model Studio에서는 데이터 처리가 Alibaba Cloud 약관을 따릅니다. 오픈 버전에는 동의나 워터마크 장치가 없습니다.
- Fun-CosyVoice3의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3-TTS, VoxCPM2, IndexTTS-2.5 및 OmniVoice입니다.
답변 확인일: 2026년 11월 7일.