阿里又出好东西了，CosyVoice3开源了！

阿里在开源的路上是越走越广了。继上次 Z-Image 大热之后没多久，又出好东西了！

上一次是关于图片，这一次是关于“声音”！

阿里旗下的通义百灵一口气开源了两个重磅模型。

一个用于语音合成（包括声音克隆），叫 CosyVoice3

只需 3 秒录音，就能让你的声音无缝切换语种、方言与情绪——中、粤、日、英、开心、愤怒……9 种通用语言、18 种方言，通通搞定！

一个用于语音识别，叫 FunASR

一段嘈杂环境下的会议录音，AI 也能毫秒级输出文字，绕口令、RAP、背景音乐干扰，照样精准识别！

官方把这两个项目称为“语音双子星”，确实很贴切！ 这两个模型其实不是第一天出现的，早就名声在外。在很早之前 CosyVoice2 就是最强的开源声音克隆模型了。

下面我抽取两张图片，一看就知道实力如何了：

这是 CosyVoice3 和其他同类模型的比较。

这是 FunASR 和同类模型的比较。

具体的介绍，这篇 文章 中说得非常清楚，各种应用场景、各种技术点，都写得很好了。我就不抄了。

我已经迫不及待要看效果了，不对，是要“听”效果了。

这个东西无法用文章来描述，也没法用眼睛来看。所以我就录歌视频吧。大家把声音开到合适的位置，感受一下，现在语音合成技术和语音识别技术到底有多强了。

最重要的一点是，这些技术全部开源了，所有人都可以使用。不需要去购买昂贵的软件，或者被按次数调用吸血。

听完这个声音，再来感受一下这个介绍：

应该是所言非虚吧。

同样的，看完这个视频后再来感受一下这段描述：

也应该是所言非虚吧！

其实从介绍的技术指标和演示中的使用场景中也看得出来，阿里这两个模型，不是那种拿来发发论文，搞搞榜单的模型，而是实打实能用的。很多技术细节都是奔着实用而去。

我敢打包票，通义这次开源的两个模型，在实战中可以吊打很多闭源和收费的模型。

不说了，我要准备下载模型，本地电脑上搞起来了。

同 Z-Image，我也问一句，有没有需要本地运行一键包的？

相关链接：

https://funaudiollm.github.io/cosyvoice3/
https://funaudiollm.github.io/funasr/
https://github.com/FunAudioLLM/CosyVoice
https://github.com/FunAudioLLM/Fun-ASR