# 智能语音交互 #
1
关注
2665内容
|
声临其境！体验阿里云开源音频基座大模型——FunAudioLLM
阿里通义实验室开源了全新的音频基座大模型FunAudioLLM，包含SenseVoice与CosyVoice两大核心模型。SenseVoice专精于多语言语音识别、情感辨识与声音事件检测，支持50余种语言，中文及粤语识别准确率提升50%以上。CosyVoice则擅长语音合成，只需3-10秒原始音频即可克隆音色，并支持跨语言合成。FunAudioLLM的应用场景广泛，包括语音到语音翻译、情感语音对话、互动播客及有声读物等。CosyVoice的在线体验显示，其生成的语音自然流畅，支持定制化及高级情绪控制，超越竞品ChatTTS。SenseVoice在情感识别及长音频处理方面表现出色。
手把手带你搭建一个语音对话机器人，5分钟定制个人AI小助手（新手入门篇）
本文介绍了如何从零开始搭建一个语音对话机器人，涵盖自动语音识别（ASR）、自然语言处理（NLP）和文本到语音合成（TTS）三大核心模块。通过使用开源工具如FunASR、LLaMA3-8B和ChatTTS，以及FastAPI和Gradio等技术，详细指导读者轻松实现个人AI小助手的构建，适合技术新手快速上手。
免费版的配音软件，支持童声男声女声不同声音选项，语音转文字软件推荐支持多种声音
免费版的配音软件，支持童声男声女声不同声音选项，语音转文字软件推荐支持多种声音
3D-Speaker：阿里通义开源的多模态说话人识别项目，支持说话人识别、语种识别、多模态识别、说话人重叠检测和日志记录
3D-Speaker是阿里巴巴通义实验室推出的多模态说话人识别开源项目，结合声学、语义和视觉信息，提供高精度的说话人识别和语种识别功能。项目包含工业级模型、训练和推理代码，以及大规模多设备、多距离、多方言的数据集，适用于多种应用场景。
免费试用