通义百聆— 阿里通义推出的企业级语音基座大模型

通义百聆是什么

通义百聆是阿里巴巴通义实验室自主研发的企业级语音基础大模型，深度融合 fun-asr 语音识别与 fun-cosyvoice 语音合成两大核心模型，专为多噪、多语、多场景的复杂语音交互环境打造。依托创新的 context 增强架构，显著抑制生成幻觉，有效根治跨语种混淆问题；支持热词实时注入与垂直领域术语高精度识别。语音合成方面，具备跨语种音色克隆能力，声音还原度处于行业前列。模型基于海量真实业务音频数据训练，已深度适配金融、教育、制造、互联网、畜牧等十余个行业，开箱即用，助力企业敏捷构建高性能语音应用。

通义百聆迎来重磅升级：Fun-CosyVoice3 模型发布后，首包响应延迟下降50%，中英文混合文本识别准确率提升至原有两倍；全面支持9种主流语言、18种方言口音，并新增跨语种克隆与细粒度情感调控能力；具备 zero-shot 音色复刻功能，让语音合成更高效、更拟真。与此同时，Fun-ASR 模型性能全面跃升——在强噪声环境下识别准确率达93%；支持31种语言自由混说及广泛方言覆盖；首次集成歌词与说唱节奏识别能力；流式识别首字延迟压缩至160ms，实现更准、更快、更稳的语音转写体验。

责任编辑：

文章来源：http://www.jingmeijuzi.com/2025/1218/183.shtml