阿里通义百灵上新语音模型：3秒录音即可克隆9种语言及18种方言
12月15日，通义大模型官方放出最新消息，宣布两款“百聆”语音模型正式开源，并迎来重磅升级。据介绍，只需录制3秒你的声音，就能让它无缝切换至不同语种、方言乃至情绪——无论是普通话、粤语、日语、英语的日常表达，还是开心、愤怒等情绪语调，它都能轻松驾驭，覆盖9种通用语言与18种方言。
此次升级中，Fun-CosyVoice3模型实现了多方面能力提升：首包延迟降低了一半，中英文混合语音的识别准确率翻倍，并支持9种语言、18种方言口音、跨语种克隆及情感控制；Fun-ASR模型能力同样增强：在嘈杂环境下的识别准确率达到93%，新增歌词与演唱识别功能，可自由混说31种语言、覆盖多种方言口音，同时将其流式识别模型的首字延迟降至160毫秒。开源版本方面，Fun-CosyVoice3（0.5B）提供零样本音色克隆能力，支持本地部署与二次开发；Fun-ASR-Nano（0.8B）作为轻量化版本，推理成本更低，模型完全开源，支持本地部署与定制化微调。
根据我们获得的最新进展，本次Fun-CosyVoice3大模型完成了多项关键升级：
首包延迟降低50%，支持双向流式合成，真正实现“输入即发声”，适用于语音助手、直播配音、无障碍阅读等实时交互场景；中英文混合语音的词错误率相比之前大幅下降56.4%，无论是包含专业术语、大小写混排的文本，还是需要进行语码转换的句子，都能精准且自然地发音；在零样本语音合成评测中，内容一致性与音色相似度全面提升，复杂测试场景下的字符错误率相对降低26%，接近真人录音水平；支持9种通用语言、18种中文方言、9种情感控制，并具备跨语种音色复制能力——仅用一段普通话录音，即可生成粤语、日语、英语等其他语言的语音，且音色保持高度一致。
而此次开源的Fun-CosyVoice3-0.5B模型提供了零样本音色克隆功能，你只需提供一段3秒以上的参考音频，即可复刻其音色并合成新的语音，同时支持本地部署和二次开发。
Fun-ASR让AI真正“听得懂”。其基于数千小时真实语音数据训练，已在钉钉“AI听记”、视频会议等场景中大规模落地。最新版本重点优化了嘈杂环境鲁棒性、多语言自由混说、中文方言与口音覆盖、歌词识别、定制化能力，并将流式识别模型的首字延迟降低到160毫秒。
Fun-CosyVoice3-0.5B开源地址：
https://github.com/FunAudioLLM/CosyVoice（GitHub）https://funaudiollm.github.io/cosyvoice3/（GitHub.io）https://www.modelscope.cn/studios/FunAudioLLM/Fun-CosyVoice3-0.5B（体验 demo）https://modelscope.cn/models/FunAudioLLM/Fun-CosyVoice3-0.5B-2512（国内模型仓库）https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512（海外模型仓库）
Fun-ASR-Nano-0.8B开源地址：
https://github.com/FunAudioLLM/Fun-ASR（GitHub）https://funaudiollm.github.io/funasr/（GitHub.io）https://modelscope.cn/studios/FunAudioLLM/Fun-ASR-Nano/（国内体验 demo）https://huggingface.co/spaces/FunAudioLLM/Fun-ASR-Nano（海外体验 demo）https://modelscope.cn/models/FunAudioLLM/fun-asr-nano-2512（国内模型仓库）https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512（海外模型仓库）
相关攻略
智东西作者 王涵编辑 心缘 语音识别技术迎来重大突破。今日，阿里巴巴正式推出其新一代端到端语音识别大模型——Fun-ASR 1 5。作为通义千问语音识别模型家族的最新力作，此次升级不仅是性能的常规迭代，更在核心能力上实现了跨越式提升，为多语言、多方言场景下的精准转写树立了新标杆。 一、不止于听懂：3
阿里通义实验室发布Fun-ASR1 5：语音识别大模型实现多语言与方言精准转写 2024年4月20日，阿里通义实验室正式推出新一代语音识别大模型Fun-ASR1 5。此次发布的模型，在“大而全”的技术路线上实现了显著突破。它基于统一的大模型架构，仅凭单一模型即可覆盖以往需要多个专用模型才能应对的复杂
想让AI教孩子学会“侬好”？新技术如何助力上海话传承？日前，由华东师范大学国际汉语文化学院与阿里巴巴团队联合发起的上海方言保护计划正式启动，希望通过构建高质量的上海方言智能语音数据库，来助力AI听懂
IT之家 3 月 16 日消息，据《西藏日报》报道，3 月 15 日，全球首个藏语大语言模型 DeepZang 在拉萨正式发布，标志着我国在民族语言 AI 领域实现从“跟跑”到“领跑”的战略性跨越，
参加活动时自曝在新剧里要完全说上海话，还要学习四川方言！拍一部剧要学习两种方言，杨紫自曝压力好大，她真的一直都在突破自己！近日杨紫又上热搜了！其一是因为她直接顶着新剧《玉兰花开君再来》里的民国微卷短
热门专题
热门推荐
AI技术在音乐创作领域的应用正不断深化，从基础的智能编曲发展到如今备受关注的AI歌曲翻唱。FineShare Singify作为一款专业的AI翻唱生成工具，让用户能够轻松将任意歌曲转换为由虚拟歌手演绎的全新版本，为音乐二次创作带来了更多可能性。 本质上，Singify是一个高度智能的“AI歌声转换器
在AI绘画与文本生成图像领域，开源社区迎来了一位实力强劲的新选手：DeepFloyd IF。该模型由StabilityAI旗下的DeepFloyd实验室研发，其核心采用了一种创新的模块化、级联式神经网络架构，专门用于生成超高分辨率的高质量图片。 通俗地讲，你可以将它看作一个分工明确的“专家团队”。生
柴犬币（SHIB）图表形态逆转：更高低点预示趋势转变 在经历了数月的低迷与方向不明的盘整后，柴犬币（SHIB）的日线图表终于呈现出一个关键且清晰的技术信号：一系列更高的低点正在形成。这标志着此前主导市场的“更低的高点和更低的低点”的下降趋势结构已被打破，一种新的、更具建设性的价格形态正在确立。对于资
福特搁置欧洲2030年全面停售燃油车计划，因市场电动化进程不及预期。公司认为强制淘汰政策或适得其反，可能导致老旧高排放车辆持续使用，反而延缓减排。福特呼吁调整法规，为混合动力等过渡技术提供空间，并计划推出燃油与电动新车型以重振市场。
特斯拉Cybertruck车主为测试车辆“涉水模式”，故意将其驶入湖泊，导致车辆进水失去动力，人员被迫弃车逃生。警方以违反水域安全法规等多项指控逮捕司机。官方手册明确该模式仅适用于浅水区域，且涉水损坏不在保修范围内。此次事件警示公众需遵守法规并重视安全警告。