通义大模型发布新一代端到端语音交互模型

北京商报讯（记者 陶凤 王天逸）12月23日，通义大模型官方发布了新一代端到端语音交互模型 Fun-Audio-Chat。

据称，该模型不是简单的“能聊天”，而是听得懂你的话、感知你的情绪、还能帮你真正干活的AI语音搭子。

技术表现方面，新模型端到端 S2S 架构可以从语音输入直接生成语音输出，无需 ASR + LLM + TTS 多模块拼接，效率更高、延迟更低；Shared LLM 层以 5Hz 帧率 高效处理，SRH 以 25Hz 帧率 生成高质量语音，GPU 计算开销降低近 50%；训练内容覆盖音频理解、语音问答、情感识别、工具调用等真实场景，让模型更“接地气”。