通义百灵开源Fun-CosyVoice3模型,0.5B参数实现极速音色克隆
智通财经APP获悉,12月15日,“通义大模型”微信公众号发文宣布,通义百炼语音模型迎来新一轮升级。本次发布包含多项重要更新:Fun-CosyVoice3模型性能提升,首包延迟降低50%,中英混字准确率翻倍,并支持9种语言及18种方言口音、跨语种克隆与情感控制;Fun-CosyVoice3(0.5B)模型正式开源,该版本具备zero-shot音色克隆能力,仅需提供一段3秒以上的参考音频,即可复刻其音色并合成新语音,同时支持本地部署和二次开发。此外,通义还推出了轻量化版本Fun-ASR-Nano模型,总参数量压缩至0.8B,推理成本更低,现已开源,支持本地部署与定制化微调。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
通义团队表示,本次Fun-CosyVoice3大模型实现了多项关键升级:
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、无障碍阅读等实时场景;
中英混说词错误率(WER)相比之前下降56.4%,无论是包含专业术语、大小写混排,还是语码转换的句子,都能精准、自然地发音;
在zero-shot TTS评测中,内容一致性与音色相似度全面提升,复杂场景(test-hard)字符错误率(CER)相对降低26%,接近人类录音水平;
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刻能力——用一段普通话录音,即可生成粤语、日语、英语等语音,音色保持高度一致。
Fun-ASR模型能力同样得到增强。作为通义百炼推出的端到端语音识别大模型,Fun-ASR基于数千万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。本次,通义对Fun-ASR的核心能力进行了全面升级,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至160ms。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
聚焦AI文创与跨境,“数智苏豪”新街口OPC社区启幕
3月30日,南京新街口核心商圈,苏豪大厦一楼广场上机器人迎宾起舞,充满科技感。由苏豪资产运营集团与南京新街口金融商务区管理委员会(以下简称“新街口管委会”)共同打造的“数智苏豪”新街口OPC社区揭牌
极兔牵手顺丰真相:合作细节与市场影响深度解析
今年1月中旬,物流圈上演了备受瞩目的一幕:当国内快递行业因增速放缓而步入存量整合期时,主导中高端市场的老牌物流服务商顺丰控股,与主打电商件的极兔速递联合宣布达成了一项投资交易金额达83亿港元的相互持
力箭二号遥一运载火箭成功发射空间试验飞船
记者从公司获悉,3月30日19时00分,中科宇航力箭二号遥一运载火箭·国际纺都号在东风商业航天创新试验区成功发射,将新征程01卫星、新征程02卫星和天视卫星01星精准送入预定轨道,发射任务取得圆满成
1.9亿年薪背后:又一位车企CEO薪酬为何大幅上涨?
电 动 知 家消 息,近日,据外媒报道,据福特汽车日前发布的一份文件,该公司首席执行 官吉姆·法利2025年的总薪酬大幅增长了11%,达到约2752万美元(约1 9亿元人民币),这是其自2020年末
美议员为何急于拉黑中国机器人却暗留后门?
白宫里,一台人形机器人缓步走入东厅,与美国“第一夫人”并肩亮相,动作仍带着明显的机械感;仅仅一天后,国会山上,这种“会走路的机器”却被划为潜在安全威胁,写进立法提案。这是上周美国上演的荒诞一幕。两党
- 日榜
- 周榜
- 月榜
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程

