阿里巴巴的語音大型模型榮登全球榜首,榮獲國家級人工智慧「三冠王」殊榮

2026年5月28日,領先的人工智慧評估平台「Artificial Analysis」公佈了最新的「Speech Arena」排名。阿里巴巴憑藉其語音大模型「Fun-Realtime-TTS-Preview」取得顯著突破,以1190分的Elo分數榮登全球第五名,並位居中國第一。
1. 全面領先:在三大核心語音評測項目中均居首位
在本次評測中,阿里巴巴的語音技術系統展現出強勁的整體表現,於三大關鍵語音 AI 評測項目中均位居中國榜首:
ASR(自動語音辨識):在語音轉文字的準確度與穩健性方面均位居全國榜首,展現了阿里巴巴對複雜音訊環境的理解能力。
Chat(端到端語音理解與對話):在即時語音對話的流暢度、邏輯性及回應速度方面均位居全國榜首,體現了阿里巴巴在智慧助理互動領域的業界領先能力。
TTS(文字轉語音):在此核心競爭領域中,「Fun-Realtime-TTS-Preview」不僅在自然度、情感表達及渲染速度方面創下國內新紀錄,更樹立了全球標竿。
2. 技術突破:Fun-Realtime 帶來的即時技術進展
本排行榜的關鍵主角——Fun-Realtime-TTS-Preview——標誌著阿里巴巴語音團隊在即時語音合成領域取得重大突破。
過去,語音合成往往難以在高自然度與快速響應之間取得平衡。 然而,阿里巴巴的模型透過端到端深度學習架構,成功以毫秒級的延遲輸出近乎人類的語調。這項即時能力對於智慧汽車互動、數位人直播、即時翻譯及客戶服務等對時間敏感的應用至關重要。
3. 產業洞察:中國語音技術邁向「深度智能」
作為人工智慧領域的趨勢引領者,Artificial Analysis 採用極為嚴謹的評分系統,不僅評估模型在測試集上的表現,更重要的是著重於真實情境中的使用者體驗。阿里巴巴的「三項冠軍」成就不僅止於分數,更傳達了以下關鍵洞見:
語音 AI 邁入「大模型時代」:早期的語音技術主要依賴傳統統計方法或小型模型。阿里巴巴的成功證明,將語音處理嵌入深度學習大模型架構中,能使感知品質實現顯著飛躍。
情境實現中的「中國速度」:隨著阿里巴巴在語音理解與生成兩大領域均處領先地位,未來中國的智慧硬體及大型模型生態系統,將在「語音互動」這一核心領域獲得更強的全球競爭力。
閉環能力的展現:從識別(ASR)到理解(Chat),再到合成(TTS),阿里巴巴已建構完整的語音互動管道,為開發無縫銜接的 AI 代理(Agents)奠定堅實基礎。
透過語音領域持續的自下而上技術開發與模型迭代,中國的 AI 正加速邁向更深層次——從「能夠識別」轉向更深層次的「理解人類情緒與互動邏輯」。
相關文章
位元組跳動旗下 Seed 啟動全球校園招聘,以虛擬股份爭奪頂尖大模型人才
在大型語言模型的競爭格局中,爭奪頂尖人才仍然是最關鍵的戰略資產。4月1日,位元組跳動宣佈啟動Seed全球校園招聘計劃,作為其大模型人才培養專案的一部分。該活動面向2027屆畢業生及現有實習生,旨在全球範圍內發掘並鎖定AI領域的精英研發與工程人才。規模擴張:全球甄選100名“AI種子”在技術快速進步的背景下,位元組跳動有限公司今年大幅增加了對基礎AI人才的投入:招聘範圍: 該計劃旨在從全球範圍內招聘約100名專注於大模型的傑出候選人,物件為2027屆畢業生。發展路徑: Seed計劃將核心
Suno 在法律訴訟中為歌曲新增水印
Suno,這個允許使用者生成由人工智慧創作的音樂的平臺,近日推出了新功能,包括為平臺製作的曲目新增標籤、限制下載,並更新社羣標準以遏制未經授權的複製品。這些更新是在Suno面臨多家唱片公司和藝術家組織提起的多起訴訟之際推出的。在部落格文章中,聯合創始人兼執行長Mikey Shulman概述了核心原則,強調該平臺旨在促進原創創作,同時擴大更廣泛受眾對人工智慧音樂工具的訪問許可權。一個主要的爭議點在於,使用者將人工智慧生成的歌曲上傳到其他流媒體服務並透過操縱系統獲取收入。Suno表示,現在將採用音訊
馬斯克承認 Grok 構建過程中洩露了使用者程式碼,並承諾清除所有歷史資料
埃隆·馬斯克直接回應了圍繞 Grok Build 的隱私爭議,首先以簡單的“True”(屬實)確認了該事件的有效性。他承諾,此前上傳至 SpaceXAI 的所有使用者資料將被永久刪除,並表示“不留一個位元組”。這是人工智慧行業首次由主要科技領袖公開承認錯誤並主動刪除使用者資料。安全研究人員的“釣魚”測試揭示了資料洩露的具體證據此次爭議源於獨立人工智慧安全研究人員 @cereblab 的一份報告。SpaceXAI 推出的 AI 程式設計助手 Grok Build 在其官方網站上聲稱其“優先本地執行,程式碼
相關專題推薦
評論 (0)
0/500

2026年5月28日,領先的人工智慧評估平台「Artificial Analysis」公佈了最新的「Speech Arena」排名。阿里巴巴憑藉其語音大模型「Fun-Realtime-TTS-Preview」取得顯著突破,以1190分的Elo分數榮登全球第五名,並位居中國第一。
1. 全面領先:在三大核心語音評測項目中均居首位
在本次評測中,阿里巴巴的語音技術系統展現出強勁的整體表現,於三大關鍵語音 AI 評測項目中均位居中國榜首:
ASR(自動語音辨識):在語音轉文字的準確度與穩健性方面均位居全國榜首,展現了阿里巴巴對複雜音訊環境的理解能力。
Chat(端到端語音理解與對話):在即時語音對話的流暢度、邏輯性及回應速度方面均位居全國榜首,體現了阿里巴巴在智慧助理互動領域的業界領先能力。
TTS(文字轉語音):在此核心競爭領域中,「Fun-Realtime-TTS-Preview」不僅在自然度、情感表達及渲染速度方面創下國內新紀錄,更樹立了全球標竿。
2. 技術突破:Fun-Realtime 帶來的即時技術進展
本排行榜的關鍵主角——Fun-Realtime-TTS-Preview——標誌著阿里巴巴語音團隊在即時語音合成領域取得重大突破。
過去,語音合成往往難以在高自然度與快速響應之間取得平衡。 然而,阿里巴巴的模型透過端到端深度學習架構,成功以毫秒級的延遲輸出近乎人類的語調。這項即時能力對於智慧汽車互動、數位人直播、即時翻譯及客戶服務等對時間敏感的應用至關重要。
3. 產業洞察:中國語音技術邁向「深度智能」
作為人工智慧領域的趨勢引領者,Artificial Analysis 採用極為嚴謹的評分系統,不僅評估模型在測試集上的表現,更重要的是著重於真實情境中的使用者體驗。阿里巴巴的「三項冠軍」成就不僅止於分數,更傳達了以下關鍵洞見:
語音 AI 邁入「大模型時代」:早期的語音技術主要依賴傳統統計方法或小型模型。阿里巴巴的成功證明,將語音處理嵌入深度學習大模型架構中,能使感知品質實現顯著飛躍。
情境實現中的「中國速度」:隨著阿里巴巴在語音理解與生成兩大領域均處領先地位,未來中國的智慧硬體及大型模型生態系統,將在「語音互動」這一核心領域獲得更強的全球競爭力。
閉環能力的展現:從識別(ASR)到理解(Chat),再到合成(TTS),阿里巴巴已建構完整的語音互動管道,為開發無縫銜接的 AI 代理(Agents)奠定堅實基礎。
透過語音領域持續的自下而上技術開發與模型迭代,中國的 AI 正加速邁向更深層次——從「能夠識別」轉向更深層次的「理解人類情緒與互動邏輯」。
位元組跳動旗下 Seed 啟動全球校園招聘,以虛擬股份爭奪頂尖大模型人才
在大型語言模型的競爭格局中,爭奪頂尖人才仍然是最關鍵的戰略資產。4月1日,位元組跳動宣佈啟動Seed全球校園招聘計劃,作為其大模型人才培養專案的一部分。該活動面向2027屆畢業生及現有實習生,旨在全球範圍內發掘並鎖定AI領域的精英研發與工程人才。規模擴張:全球甄選100名“AI種子”在技術快速進步的背景下,位元組跳動有限公司今年大幅增加了對基礎AI人才的投入:招聘範圍: 該計劃旨在從全球範圍內招聘約100名專注於大模型的傑出候選人,物件為2027屆畢業生。發展路徑: Seed計劃將核心
Suno 在法律訴訟中為歌曲新增水印
Suno,這個允許使用者生成由人工智慧創作的音樂的平臺,近日推出了新功能,包括為平臺製作的曲目新增標籤、限制下載,並更新社羣標準以遏制未經授權的複製品。這些更新是在Suno面臨多家唱片公司和藝術家組織提起的多起訴訟之際推出的。在部落格文章中,聯合創始人兼執行長Mikey Shulman概述了核心原則,強調該平臺旨在促進原創創作,同時擴大更廣泛受眾對人工智慧音樂工具的訪問許可權。一個主要的爭議點在於,使用者將人工智慧生成的歌曲上傳到其他流媒體服務並透過操縱系統獲取收入。Suno表示,現在將採用音訊
馬斯克承認 Grok 構建過程中洩露了使用者程式碼,並承諾清除所有歷史資料
埃隆·馬斯克直接回應了圍繞 Grok Build 的隱私爭議,首先以簡單的“True”(屬實)確認了該事件的有效性。他承諾,此前上傳至 SpaceXAI 的所有使用者資料將被永久刪除,並表示“不留一個位元組”。這是人工智慧行業首次由主要科技領袖公開承認錯誤並主動刪除使用者資料。安全研究人員的“釣魚”測試揭示了資料洩露的具體證據此次爭議源於獨立人工智慧安全研究人員 @cereblab 的一份報告。SpaceXAI 推出的 AI 程式設計助手 Grok Build 在其官方網站上聲稱其“優先本地執行,程式碼





首頁






