据通义大模型官方发布，通义百聆正式推出升级版语音大模型fun-cosyvoice3与fun-asr，并同步向全球开源。本次迭代重点强化模型的核心能力与落地实用性，旨在为开发者及企业用户提供更高效、更可靠的语音ai解决方案。

Fun-CosyVoice3：低延迟、高保真的智能语音合成

首包响应时间缩短50%，真正达成“边输边说”的实时合成体验。中英文混合语音合成错误率显著降低56.4%，全面支持9种国际语言、18类中文方言，并内置多维度情感表达调控能力。其轻量开源版本Fun-CosyVoice3-0.5B具备出色的zero-shot音色复刻性能。

Fun-ASR：高鲁棒性、低延迟的语音识别引擎

This skill transforms novel chapters into professional film storyboard scripts. 这个skill是将小说章节 →（变成） 专业电影分镜剧本。 Powered by **清云 EchoFlow API** (https://api.echoflow.cn/) — 一站式国内外580+大模型，一键开发票，企业级稳定，价格是官方的1.5折。

将小说章节转换为电影分镜剧本。用户上传txt/md/docx文本，AI分析场景、角色、情绪、镜头语言，输出专业分镜脚本。适用于用户提及“分镜”“storyboard”“小说转分镜”“影视改编”“镜头脚本”或需要将小说改编为分镜的场景。

下载

在复杂噪声场景下识别准确率高达93%，新增对歌词文本及说唱节奏的专项识别优化。支持31种语言自由混读识别，覆盖主流中文方言；流式识别首字输出延迟压缩至160毫秒。配套轻量级模型Fun-ASR-Nano-0.8B已同步开源，显著降低推理资源消耗与部署门槛。

目前，两大模型已在魔搭（ModelScope）、Hugging Face及GitHub等主流平台全面开放，支持本地化部署与深度定制开发。

https://www.php.cn/link/8f9b9fd0f3d4fdb8e07c3c7b1640d9b7）
https://www.php.cn/link/5aae68270b448da2adfa823502b512a8）
https://www.php.cn/link/373eb24e9055ded5b02698f7c7f7d4b8）
https://www.php.cn/link/f86bb0bfe24918427cf1b171fb3c5d8d）
https://www.php.cn/link/96ecbfadac55a39b8909822f91399f00）
https://www.php.cn/link/4773b356503b0370e3380e03ec73421c）

源码获取地址：立即下载