阿里通义实验室最新发布了开源语音大模型项目 FunAudioLLM，包含两个模型：SenseVoice 和 CosyVoice。SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测，支持超过 50 种语言，效果优于 Whisper 模型，中文与粤语识别提升 50% 以上。CosyVoice 则专注于自然语音生成，支持中英日粤韩 5 种语言的生成，能够在 3~10 秒内生成模拟音色，并支持细粒度的情感和韵律控制。FunAudioLLM 的发布标志着阿里在语音生成领域的重大突破。
To view this video please enable JavaScript,and consider upgrading to a web browser that supports HTML5 video
This is a modal window.
Beginning of dialog window.Escape will cancel and close the window.
End of dialog window.