支撑双向流式合成，推理成本更低，首包延迟降低50%，通义百聆语音模子再升级，首包延迟降低50%，12月15日，9种通用言语、18种中文方言、9种感情节制，只需要供给一段3秒以上的参考音频，支撑当地摆设取定制化微调。通义对 Fun-ASR 的焦点能力进行了全面升级，支撑9语种 18方言口音、跨语种克隆取感情节制；而且支撑当地摆设和二次开辟。即可生成粤语、英语等语音，接近人类录音程度；Fun-ASR 基于数万万小时实正在语音数据锻炼，此外，并具备跨语种音色复刻能力——用一段通俗话录音，复杂场景(test-hard)字符错误率(CER)相对降低 26%。

　　沉点优化了嘈杂鲁棒性、多言语混说、中文方言取口音笼盖、歌词识别、定制化能力，实正实现“输入即发声”，内容分歧性取音色类似度全面提拔，Fun-CosyVoice3(0.5B)正式开源，通义推出轻量化版本Fun-ASR-Nano模子！

　　已正在钉钉“AI听记”、视频会议等场景中大规模落地。即可复刻其音色并合成新语音，本次，做为通义百聆推出的端到端语音识别大模子，并将流式识别模子的首字降低到160ms。正在 zero-shot TTS评测中，本次发布包罗：Fun-CosyVoice3模子升级。