通义百聆迎来重磅升级 Fun-CosyVoice3正式开源 可实现极速克隆音色

12月15日，"通义大模型"微信公众号发文表示，通义百聆语音模型再升级，本次发布包括：Fun- CosyVoice3模型升级，首包延迟降低50%，中英混字准确率翻倍，支持9语种 18方言口音、跨语种克隆 与情感控制；Fun-CosyVoice3(0.5B)正式开源，该版本提供了zero-shot音色克隆能力，只需要提供一段3 秒以上的参考音频，即可复刻其音色并合成新语音，并且支持本地部署和二次开发。此外，通义推出轻 量化版本Fun-ASR-Nano模型，总参数量压缩到0.8B，推理成本更低，现已开源，支持本地部署与定制 化微调。 通义团队称，本次Fun-CosyVoice3大模型完成多项关键升级： 首包延迟降低50%，支持双向流式合成，真正实现"输入即发声"，适用于语音助手、直播配音、无障碍 阅读等实时场景； 中英混说词错误率(WER)相比之前降低 56.4%，不论是含专业术语、大小写混排，还是语码转换的句 子，都能精准、自然地发音； 在 zero-shot TTS评测中，内容一致性与音色相似度全面提升，复杂场景(test-hard)字符错误率(CER)相对 降低 26%，接近人类录音水平； 9种通用语言、1 ...