阿里巴巴语音技术突破：说出你想要的音效

想象一下对你的电脑说"让这个声音听起来像位自信的教授"或"创造带有远处爆炸声的战场音效"——然后立刻实现。这正是阿里巴巴通义实验室新推出的语音生成模型所承诺的愿景，它们正在将科幻变为现实。

您的声音，您做主

团队发布了两款专业工具：

Fun-CosyVoice3.5：多语言大师

这款升级版模型理解语音指令就像资深演员理解导演要求：

• 自然语言控制：说出"放慢语速并加入感情"即可即时调整
• 全球覆盖：现可精准处理泰语、印尼语等13种语言
• 精度提升：生僻字错误率降低近70%
• 速度之王：首次响应延迟减少35%，对实时交互至关重要

Fun-AudioGen-VD：声音建筑师

将其视为您的专属拟音师：

• 角色塑造：可指定年龄、口音甚至"沙哑但欢快"的音色
• 情感深度：能捕捉"外表平静内心紧张"等微妙状态
• 沉浸环境：通过空间音效叠加从咖啡馆到大教堂的背景噪音

其影响令人震撼。播客主无需昂贵录音室即可优化旁白；游戏开发者可能在午餐时间就能完成角色配音原型；电影剪辑师在预订高价录音前就能试验氛围音效。

通义实验室团队强调这些工具旨在实现音频制作民主化。正如一位开发者所言："我们正在消除技术壁垒，让创作者专注于真正重要的东西——他们的愿景。"

这些模型目前正与精选合作伙伴进行测试，预计今年晚些时候广泛发布。

核心要点：

• 两款新AI模型响应自然语言语音指令
• Fun-CosyVoice3.5专精13种语言的语音表达
• Fun-AudioGen-VD可创建包含角色和环境的完整音频场景
• 潜在应用涵盖娱乐、教育和客服领域
• 标志着专业音频工具普及化的重大飞跃