通义百聆发布“说话+听话”双核开源方案，3秒克隆声音，嘈杂环境也能听清
今天，通义百聆正式推出语音技术的“组合拳”——Fun-CosyVoice3 与 Fun-ASR 两大核心模型同步升级并全量开源，首次实现“声音复刻”与“语音识别”能力的双向突破。这不是一次简单的功能迭代，而是一次面向开发者、创业者和企业级用户的“语音基础设施”重构。
过去，语音AI要么“说得像”但听不清，要么“听得准”但声音僵硬。而这一次，通义百聆用开源的方式，把过去只在大厂内部使用的高阶能力，直接交到普通人手里——3秒录音，就能让你的声音跨越语言、情绪与场景，自由流转。
3秒录音，一键换声：你的声音，可以是任何人
升级后的 Fun-CosyVoice3 不再是“模仿声音”，而是“接管声音”。你只需提供一段3秒的语音样本，它就能精准提取音色特征，并在多种语言、方言和情绪间无缝切换。
你可以用一段普通话录音，生成一口流利的粤语播音腔；也能让AI用愤怒的语气念出合同条款，再切换成温柔的哄睡模式讲睡前故事。更惊人的是，它支持中、英、日、韩、法、西、俄等主流语言自由混说，语码切换自然到几乎听不出AI痕迹。
三大实用突破，让技术真正“能用”：
- 首包延迟降低50%，支持双向流式合成——输入文字的瞬间，AI就开始“开口”，直播带货、语音助手、虚拟主播等实时场景再无卡顿。
- 中英混说准确率跃升，专业术语如“API调用”“iOS系统”“KPI冲刺”不再被误识别，大小写、缩写、数字混排也能精准输出。
- 跨语种音色一致性达行业顶尖，即使你用中文录音，生成的日语或英语发音依然保留原声辨识度，不是“翻译腔”，而是“本尊外语版”。
更重要的是，通义百聆同步开源了 Fun-CosyVoice3-0.5B 轻量版。这个仅5亿参数的模型，可在普通消费级显卡（如RTX 3060）上本地部署，支持zero-shot音色克隆、定制情绪控制、多语种合成，无需云服务，数据不出内网，特别适合教育、医疗、客服等对隐私要求高的行业。
已有团队基于该模型开发出“方言客服机器人”——用四川话、东北话、粤语等方言服务本地老人，语音自然得像邻居阿姨在说话，用户满意度提升40%以上。
听懂嘈杂世界：地铁、会议、说唱，通通能识别
如果说 CosyVoice3 是“说话的艺术”，那 Fun-ASR 就是“倾听的智慧”。在真实世界里，语音识别最大的敌人不是口音，而是背景噪音。
这次 Fun-ASR 在地铁、车载、会议室、夜市直播等复杂场景下，识别准确率突破93%，连“东北话+背景音乐+说唱歌词”这种“地狱难度”组合，也能稳定输出文字。过去AI听到“我昨天在拼多多买了个充电宝”会被误识别为“我昨天在拼多多买了个充气宝”，现在几乎零错误。
它的真正颠覆性，在于“无感识别”：
- 31种语言自由混说——无需提前设定语种，一句“今天meeting开到8点，然后去吃cantonese food”，系统自动拆解、精准转写。
- 中文覆盖7大方言+26种地方口音：从河南话的“中不中”、到台湾腔的“好喔～”、再到陕北话的“嘹咋咧”，通通能听懂。连“夹生普通话”（如老人说普通话带方言尾音）也支持。
- 首字识别延迟低至160ms，比人类反应还快，适合车载语音、智能硬件、实时字幕等毫秒级响应场景。
企业级用户更关心的，是定制能力。Fun-ASR 引入了RAG检索增强生成机制，热词库支持高达10,000条自定义词汇，且不影响通用识别准确率。这意味着：
- 金融公司可导入“比特币”“ETF”“杠杆”等术语，避免误转成“比特犬”“ETF是汤”；
- 医院可上传“阿司匹林”“心电图”“胰岛素”等医学词库，让语音病历录入零差错；
- 教育机构可添加学生姓名、教材章节名，自动生成带专业术语的课堂笔记。
同时，Fun-ASR-Nano（0.8B） 正式开源。这个模型在保持90%+识别率的前提下，推理速度提升3倍，内存占用降低70%，可在树莓派、Jetson Nano 等边缘设备上运行，为智能硬件、IoT设备、低成本语音终端提供了“开箱即用”的解决方案。
为什么这次开源，比以往更重要？
过去，语音技术被锁在云API里，调用一次要钱，定制一次要合同，部署一次要团队。而通义百聆这次，把“声音克隆”和“语音理解”两大能力，以轻量、开源、可本地部署的形式，完整交给了开发者。
这意味着：
- 独立开发者可以做出“AI配音助手”，用自己声音生成多语种有声书；
- 创业公司能低成本打造方言客服机器人，服务三四线城市银发群体；
- 教育机构可为听障学生生成实时字幕+语音朗读双通道内容；
- 车企无需依赖高通或科大讯飞，用开源模型自研车机语音系统。
这不是技术秀，这是“语音民主化”的开始。
立即体验，零成本上手
你无需申请权限，无需付费，直接打开链接，上传一段3秒语音，就能现场体验“声音换语言”和“嘈杂环境识别”：
国内体验Demo：
开源代码仓库：
https://github.com/FunAudioLLM/CosyVoice
https://github.com/FunAudioLLM/Fun-ASR
国内模型仓库（Hugging Face镜像）：
https://modelscope.cn/models/FunAudioLLM/Fun-CosyVoice3-0.5B-2512
这不是一场发布会，而是一次邀请——邀请每一个想用声音改变世界的人，来亲手打造属于自己的语音AI。