阿里语音大模型全球评测获佳绩，三项核心能力均列国内首位

近日，在全球权威AI评测平台Artificial Analysis发布的语音排行榜（Speech Arena）中，阿里巴巴的语音大模型取得了亮眼成绩。其模型Fun-Realtime-TTS-Preview以1190分的Elo评分，位列全球第五，并成为国内排名最高的语音模型。

此次评测涵盖了语音交互的三个核心赛道：ASR（语音转文字）、Chat（端到端语音理解与对话）以及TTS（文字转语音）。

技术能力实现“大满贯”

语音大模型的综合能力通常由ASR、TTS和Chat三部分构成，它们既独立又相互依赖，共同决定了最终的人机交互体验。此前，阿里语音大模型家族中的Fun-Realtime-ASR和Fun-Realtime-AudioChat模型，已在同一平台上分别于“听准”和“听懂会聊”指标上登顶全球榜首，整体表现超越了包括GPT-Realtime-2在内的国际顶尖模型。

已深度集成至多款国民应用

目前，阿里语音大模型技术已深度融入多个国民级应用，为用户提供切实的服务。例如，在千问App、高德地图、钉钉等产品中，

除了面向消费级应用，该模型还提供了企业级定制接口，能够灵活适配金融、医疗等对语音交互有特定要求的行业场景。此外，阿里语音团队开源的FunASR、CosyVoice等多款模型，在GitHub上已累计获得数万星标，受到了国内外开发者的广泛关注与采用。