Hogar
Alibaba Tongyi presenta un modelo de voz con control de lenguaje natural «FreeStyle».
Hoy, el equipo de voz de Alibaba Tongyi Lab ha presentado dos modelos revolucionarios de generación de voz: Fun-CosyVoice3.5 y Fun-AudioGen-VD. La característica más destacada de estos modelos es su compatibilidad con los comandos «FreeStyle». En lugar de realizar ajustes complejos en los parámetros, los usuarios pueden controlar con precisión los estilos de expresión vocal o crear escenas de audio complejas desde cero utilizando descripciones sencillas en lenguaje natural.

Cada modelo tiene una finalidad distinta:
Fun-CosyVoice3.5: replicación multilingüe y control preciso
Esta versión mejorada de CosyVoice logra avances fundamentales en la comprensión de los matices de la expresión vocal.
Generación basada en comandos: los usuarios pueden introducir instrucciones como «habla con más confianza» o «reduce la velocidad con variaciones emocionales» para realizar ajustes vocales en tiempo real.
Ampliación del idioma: se ha añadido compatibilidad con tailandés, indonesio, portugués y vietnamita, lo que mantiene un rendimiento líder en el sector en cuanto a precisión de transcripción (WER) y similitud de voz en 13 idiomas.
Optimización de caracteres poco comunes: el entrenamiento especializado redujo las tasas de error de los caracteres poco comunes del 15,2 % al 5,3 %.
Aumento del rendimiento: la latencia del primer paquete se ha reducido en un 35 %, lo que mejora significativamente la fluidez de la interacción en tiempo real.
Fun-AudioGen-VD: diseño de sonido integral
Este modelo actúa como un «director de audio», generando audio integrado que combina «personajes + entornos».
Personalización de la voz: especifique el género, la edad, el acento y características detalladas como voces «roncas, graves o agudas».
Emociones y juego de roles: simula roles como agentes de atención al cliente, locutores y niños, e incluso transmite estados complejos como «calma exterior con tensión interior».
Entornos inmersivos: añade sonidos de fondo (caos en el campo de batalla, murmullos en una cafetería) y efectos espaciales (reverberación en una catedral, acústica submarina) para una simulación espacial completa.
Tongyi Lab señala que estos modelos democratizarán la creación de voces de alta calidad, ofreciendo un potente soporte de IA para la creación de podcasts, el desarrollo de videojuegos y la posproducción cinematográfica.
Artículo relacionado
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Google prueba el agente Remy AI para Gemini a medida que el enfoque se desplaza hacia el control del usuario
Según Business Insider, Google está probando Remy, un nuevo agente personal de IA para Gemini. Esta herramienta tiene como objetivo ejecutar tareas en nombre de los usuarios, optimizando tanto los flujos de trabajo profesionales como las rutinas diar
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Hoy, el equipo de voz de Alibaba Tongyi Lab ha presentado dos modelos revolucionarios de generación de voz: Fun-CosyVoice3.5 y Fun-AudioGen-VD. La característica más destacada de estos modelos es su compatibilidad con los comandos «FreeStyle». En lugar de realizar ajustes complejos en los parámetros, los usuarios pueden controlar con precisión los estilos de expresión vocal o crear escenas de audio complejas desde cero utilizando descripciones sencillas en lenguaje natural.

Cada modelo tiene una finalidad distinta:
Fun-CosyVoice3.5: replicación multilingüe y control preciso
Esta versión mejorada de CosyVoice logra avances fundamentales en la comprensión de los matices de la expresión vocal.
Generación basada en comandos: los usuarios pueden introducir instrucciones como «habla con más confianza» o «reduce la velocidad con variaciones emocionales» para realizar ajustes vocales en tiempo real.
Ampliación del idioma: se ha añadido compatibilidad con tailandés, indonesio, portugués y vietnamita, lo que mantiene un rendimiento líder en el sector en cuanto a precisión de transcripción (WER) y similitud de voz en 13 idiomas.
Optimización de caracteres poco comunes: el entrenamiento especializado redujo las tasas de error de los caracteres poco comunes del 15,2 % al 5,3 %.
Aumento del rendimiento: la latencia del primer paquete se ha reducido en un 35 %, lo que mejora significativamente la fluidez de la interacción en tiempo real.
Fun-AudioGen-VD: diseño de sonido integral
Este modelo actúa como un «director de audio», generando audio integrado que combina «personajes + entornos».
Personalización de la voz: especifique el género, la edad, el acento y características detalladas como voces «roncas, graves o agudas».
Emociones y juego de roles: simula roles como agentes de atención al cliente, locutores y niños, e incluso transmite estados complejos como «calma exterior con tensión interior».
Entornos inmersivos: añade sonidos de fondo (caos en el campo de batalla, murmullos en una cafetería) y efectos espaciales (reverberación en una catedral, acústica submarina) para una simulación espacial completa.
Tongyi Lab señala que estos modelos democratizarán la creación de voces de alta calidad, ofreciendo un potente soporte de IA para la creación de podcasts, el desarrollo de videojuegos y la posproducción cinematográfica.
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr











