Fun-Audio-Chat

Fun-Audio-Chat是通義大模型官方於2025年12月23日發布的語音互動模型，定位於通過自然語言處理實現低延遲的語音對話互動。該模型採用端到端S2S架構，支持語音輸入直接生成語音輸出，具備口語問答、音頻理解、語音功能調用等核心能力，並引入情感識別與語音共情功能。

模型基於雙解析度語音表征技術，結合5Hz幀率共享骨幹網路與25Hz精煉頭部模組，相較傳統架構降低近50%GPU計算開銷。採用Core-Cocktail訓練方法保留文本大模型能力，其8B參數版本在OpenAudioBench、VoiceBench等基準測試中取得同規模模型最優表現，支持中英雙語互動，運行需Python 3.12環境及24GB顯存配置。

基本介紹

• 外文名：Fun-Audio-Chat
• 發布時間：2025年12月23日

發展歷史

2025年12月23日，通義大模型官方發布了新一代端到端語音互動模型 Fun-Audio-Chat。

功能特點

該模型不是簡單的“能聊天”，而是聽得懂你的話、感知你的情緒、還能幫你真正幹活的AI語音搭子。技術表現方面，新模型端到端S2S架構可以從語音輸入直接生成語音輸出，無需ASR + LLM + TTS多模組拼接，效率更高、延遲更低；Shared LLM層以5Hz幀率高效處理，SRH以25Hz幀率生成高質量語音，GPU計算開銷降低近 50%；訓練內容覆蓋音頻理解、語音問答、情感識別、工具調用等真實場景，讓模型更“接地氣”。