同益实验室推出Fun-CosyVoice 3.5和Fun-AudioGen-VD语音模型

首页

新闻

2026-03-27

HarryLewis

110

今日，同易实验室正式发布了两款支持FreeStyle技术的语音生成模型：Fun-CosyVoice3. 5和Fun-AudioGen-VD。此次发布标志着语音合成领域的范式转变，从依赖预设标签转向基于自然语言指令的新框架，实现了深度交互体验，让用户能够“仅凭一句话即可自由生成语音”。

在技术架构与功能升级方面，Fun-CosyVoice3.5着重强化了多语言语音克隆与细腻的语感表达，新增支持包括泰语和印尼语在内的四种语言。通过整合 DiffRO 和 GRPO 强化学习技术，该模型在韵律和音质相似度方面实现了显著提升。其罕见字符的错误率从15.2%降至5.3%，初始数据包延迟减少了35%。与之相辅相成的是，Fun-AudioGen-VD专注于声音设计和场景建模。它支持基于指令对性别、情绪和空间声学进行精确控制，能够模拟从“疯狂反派”到“喧闹咖啡馆”氛围等复杂、综合的场景。

从行业趋势来看，同易实验室的这一举措将语音生成从简单的转换工具提升为功能完备的创作工具。这种可描述且可编程的数字表达能力，直接赋能电影、游戏和AI虚拟形象等领域。它不仅降低了内容创作成本，还显著拓展了人机交互的语义丰富度。

API：https://help.aliyun.com/zh/model-studio/text-to-speech?spm=a2c4g.11186623.help-menu-2400256.d_0_3_2_0.d5536a31V2tEJP

文档：https://help.aliyun.com/zh/model-studio/cosyvoice-clone-api?spm=a2c4g.11186623.help-menu-search-2400256.d_2

英国各政府部门就人工智能数据中心的能源需求问题发生争执英国政府正面临一项重大挑战：在推动清洁能源发展的同时，力争成为人工智能领域的全球领导者。然而，负责实现这些目标的各部门之间却存在严重分歧。科学、创新与技术部（DSIT）与能源安全与净零部（DESNZ）对人工智能数据中心的未来电力需求做出了截然不同的预测。DSIT预测，到2030年，人工智能数据中心将需要6吉瓦的电力，而DESNZ的估计则不到这一数字的十分之一。这一差距引起了非营利组织Foxgl

中国网络空间管理局要求对人工智能生成和虚构的短视频进行标注中国国家互联网信息办公室出台了一项全面计划，旨在规范短视频内容标注，要求各平台提供六项必备标签——包括“AI生成内容”——这标志着短视频治理进入了一个强制透明化的新时代。为解决内容来源不明、难以区分真伪等问题，监管部门在此前与抖音、快手、腾讯、百度等主要平台开展试点的基础上，现已将内容标注作为短视频发布流程中的强制性环节。发布者必须从六种选项中选择其一：“虚构演绎”、“AI生成”、“含营销信息”

以文本翻译著称的DeepL，如今将目光投向了语音翻译以文本翻译工具闻名的翻译公司DeepL今日推出了一套语音到语音翻译解决方案，通过定制应用程序，为一线工作人员在会议、移动端和网页对话以及小组讨论等场景中提供支持。该公司还推出了一款API，允许外部开发者和企业基于DeepL的技术构建定制化解决方案，例如呼叫中心应用。“在专注于文本翻译多年后，语音翻译对我们来说是水到渠成的下一步，”DeepL首席执行官Jarek Kutylowski在接受Tech

相关专题推荐

漫画创作

漫画领域顶尖的AI自动上色工具：零一致性错误地应用平涂色彩

立即访问 XIX.AI，探索 2026 年最优秀的漫画 AI 自动上色工具。我们精心筛选的清单汇集了广受好评、颠覆行业的解决方案，这些工具能以零一致性错误的方式应用平涂色彩，从而大幅提升您的工作效率。通过免费版与付费版的对比分析、实际测试以及每周更新的排行榜，找到最适合您的工具。立即开启您的 AI 优势。