阿里发布两款语音新模型，可定制角色及模拟背景音
创始人
2026-03-02 12:58:08
0次
炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
（来源：贝壳财经）
新京报贝壳财经讯（记者罗亦丹）3月2日，阿里发布两款语音新模型，基于参考音频的声音克隆模型Fun-CosyVoice3.5和无参考音频的音色设计模型Fun-AudioGen-VD。两款模型均引入了强大的“指令遵循”能力，自由控制声音的情感、语速、场景等，可用freestyle（自由风格模式）定制角色，适用于有声书、游戏、客服、播客、教育、直播等多个场景。
在Seed-TTS基准测试的中文“困难案例”指标中，Fun-CosyVoice3.5表现抢眼，词错误率（Word Error Rate, WER）和说话人相似度（Speaker Similarity, SSIM）均为最佳。同时，因为优化了“困难案例”的发音，生僻字句错率由15.2%降低到5.3%。
Fun-CosyVoice3.5支持自由风格模式指令控制，解决了传统克隆模型只会模仿不能指定角色的痛点。比如录制一个人的声音后，可以输入指令，假设其是一位资深客服，正在面对极度愤怒客户，回复的语气需要柔软、真诚、充满愧疚，并对客户的情绪感同身受。
Fun-AudioGen-VD则专注“从无到有”的音色设计，其不仅能根据描述定制音色和情感，还能同步模拟复杂的听觉环境，如在生成人声时，可添加指定类型的背景声音，如城市车流、雨声、风噪、战场炮火、警报声、无线电杂音、咖啡馆人声、俱乐部音乐、图书馆翻书声等。
编辑 杨娟娟
校对 陈荻雁
下一篇：石油类LOF基金，集体涨停
相关内容
热门资讯
合众思壮股价涨5.01%，大成...
3月2日，合众思壮涨5.01%，截至发稿，报11.95元/股，成交6.04亿元，换手率7.05%，总...
伊朗库尔德斯坦省遭导弹袭击 至...
本文转自【央视新闻客户端】；当地时间2日上午，伊朗库尔德斯坦省萨南达季市遭到导弹袭击，位于萨南达季市...
什么是再生障碍性贫血
再生障碍性贫血是一种由多种病因导致的骨髓造血功能衰竭性疾病，以全血细胞减少和骨髓增生减低为特征，属于...
李公明｜一周画记：俄乌冲突距停...
开栏小语：涂鸦小分队的人有一句口号：画什么才重要！怎么画和画成什么，没那么重要！图1 俄乌冲突进入第...
“中国好人”杨建军：一声“爹娘...
本报记者 胡冰通讯员 吴成海 张婉莹 正月里，在河南省商丘市睢阳区新城街道银河社区，国家税务总局商...
江南新材股价涨5%，工银瑞信基...
3月2日，江南新材涨5%，截至发稿，报120.65元/股，成交3.72亿元，换手率10.83%，总市...
油价大涨运营受限，航空股集体下...
3月2日A股开盘后，航空股全线大跌，截至中午收盘，跌幅有所回调，但跌幅最大的华夏航空仍下跌超过6%。...
润泽科技股价跌5.24%，易方...
3月2日，润泽科技跌5.24%，截至发稿，报97.97元/股，成交74.73亿元，换手率4.57%，...
浙江返岗潮持续升温，真正的福利...
图源：温州日报元宵将至，节后返岗潮持续升温，铁路、公路、民航客流全面攀升，复工复产节奏明显加快。在浙...
润泽科技股价跌5.24%，国泰...
3月2日，润泽科技跌5.24%，截至发稿，报97.97元/股，成交75.16亿元，换手率4.60%，...