您的位置：首页 > > 教程攻略 > 热点新闻 >语音模型也能freestyle！阿里新模型可定制角色、模拟背景音

语音模型也能freestyle！阿里新模型可定制角色、模拟背景音

来源:互联网 更新时间:2026-03-02 18:32

3月2日消息，

今日，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、无参考音频的音色设计模型Fun-AudioGen-VD。

据介绍，

其可用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。

Fun-AudioGen-VD专注“从无到有”的音色设计。在指令遵循能力和可控性的Instruct-TTS基准测试中超过gemini2.5-pro和gpt-4o-mini-tts。

在强化学习中，两款模型通过使用DiffRO和GRPO，增加了时长和韵律多通道的奖励。

此外，Fun-CosyVoice3.5所用的tokenizer帧率减半，提高训练效率，且首包延迟降低35%，大幅提升了实时交互体验。

类型：热门软件

大小：66.32MB

语言：简体中文

平台：互联网

游戏下载