通义端到端语音交互模型FunAudioChat发布，体验高效AI对话新范式
12月23日 通义大模型发布新一代端到端语音交互模型Fun-Audio-Chat。这是通义百聆语音模型系列中，首个主打“语音对语音”交互能力的模型，支持用户直接通过语音与模型进行多轮对话。从技术指
12月23日，通义大模型正式发布新一代端到端语音交互模型Fun-Audio-Chat。该模型隶属通义百晓语音模型系列，是其首个专注于“语音对语音”直接对话能力的模型，支持用户通过语音输入与模型进行多轮自然交流。
从多项技术评测数据来看，该模型在OpenAudioBench、VoiceBench、UltraEval-Audio、MMAU、MMSU、SpeechFunctionCall等多个权威语音与多模态评测基准上，均取得了当前开源模型中的领先成绩。其综合性能超越了多款同参数规模的模型，展现出其在语音理解、生成以及对话协同方面均衡而强大的综合能力。
Fun-Audio-Chat-8B是通义百晓语音模型家族的新成员。此前，该系列已包含语音转文字模型Fun-ASR和文字转语音模型Fun-CosyVoice3。与前两者不同，Fun-Audio-Chat-8B的核心目标是实现端到端的语音交互能力，能够直接应用于语音聊天、情感陪伴、智能终端交互以及语音客服等多种实际场景。目前，该模型已在魔搭社区、Hugging Face及GitHub同步开源。
在模型训练与架构设计方面，研发团队披露了两项关键技术路径。其一是采用了Core-Cocktail两阶段训练策略，通过分阶段引入语音与多模态能力，再与原有文本大模型参数进行融合微调。这种方法有效降低了新增能力对原有语言理解能力的干扰，缓解了“灾难性遗忘”问题。其二则是引入了多阶段、多任务的偏好对齐训练，使模型在真实语音对话中能更精准地捕捉语义与情绪线索，从而显著提升对话的自然度和流畅性。
算力效率是该模型的另一大亮点。Fun-Audio-Chat-8B采用了“压缩—自回归—解压缩”的双分辨率端到端架构，将音频帧率大幅降低至约5Hz。在保证语音合成质量的同时，这一设计有望节省近50%的GPU计算开销。在当前语音大模型普遍面临算力成本压力的背景下，这一优化具有重要的工程实践意义。
综合来看，Fun-Audio-Chat-8B的开源，标志着通义大模型在语音交互方向上，正进一步朝着“低算力、强对话”的实用化阶段推进。这同时也为开源语音大模型在真实业务场景中的部署与应用，提供了新的技术思路和实践参考。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：通义端到端语音交互模型FunAudioChat发布，体验高效AI对话新范式要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
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。
相关热点FL0是部署后端应用和数据库的工具，帮助开发者快速启动应用和数据库，省去环境配置与运维。适合需要快速交付后端服务的团队，支持SpringBoot、Node js与Postgres。具备自动扩展、多环境支持、GitHub深度集成等特色，还可基于Postgres构建LLM应用，实现“少操心、快上线”。
Conju是一款由大语言模型驱动的AI工具，能自动回复未接来电、捕捉客户需求、提供初步估价并更新CRM系统，将丢失的电话转化为销售机会，尤其适合家庭服务行业，可免费快速搭建。
FlirtFlix是一款提供虚拟伴侣的AI产品，支持双向语音、图像和文字聊天。用户可与多个具有独特性格的角色进行情感交流，实现无缝互动。产品定价灵活，适配不同使用频率与深度需求。
在线上约会过程中，许多人都会遇到“卡壳”的窘境——照片难以抉择、开场白不知如何开口、消息发出去后便杳无音讯。倘若有一位直率又专业的在线约会教练，帮你把个人资料打磨到最佳状态，还能传授聊天技巧，那该多么省心？这正是 Wingman live 这款 AI 约会助手所做的事情。 什么是Wingman li
- 日榜
- 周榜
- 月榜
热点快看