# 阿里通义Fun-CosyVoice3.5重磅发布：一句话控制语气语速，13语种低延迟语音生成

- Link: https://paooo.com/aigc-news/11356/
- Published: 2026-06-10T14:42:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * FreeStyle自然语言控制上线，口语化指令即可调语气、语速和情绪，降低使用门槛。
 * 新增泰语、印尼语、葡萄牙语、越南语，覆盖13种语言，生僻字读错率降至5.3%。
 * 通过DiffRO+GRPO与Flow-GRPO优化韵律和音质，首包延迟降低35%，更适合实时场景。

> **💡 站外导读：**随着AIGC技术在语音领域的深入，企业面临语音合成不够自然、多语种
> 支持不足、控制粒度粗糙等痛点。阿里通义实验室最新发布的Fun-CosyVoice3.5，正是针对
> 这些挑战，通过创新的FreeStyle控制与强化学习优化，大幅提升了语音生成的自然度、准确
> 性与实时性。

## Fun-CosyVoice3.5是什么

Fun-CosyVoice3.5 是阿里通义实验室语音团队最新发布的[语音生成](https://ai-bot.cn/ai-text-to-speech-tools/)
模型，主打多语种音色复刻与精细化表达控制。模型最突出的创新在于FreeStyle自然语言控制
能力——用户无需掌握专业参数，直接用口语化指令如”语气坚定一点””语速慢一点”即可精准
调控语音效果，实现”一句话自由生成语音”。Fun-CosyVoice3.5新增泰语、印尼语、葡萄牙语、
越南语支持，覆盖13种语言，生僻字读错率从15.2%降至5.3%，并通过Tokenizer帧率优化将
首包延迟降低35%。

阅读目录

 * [Fun-CosyVoice3.5是什么](https://paooo.com/aigc-news/11356/#funcosyvoice35%e6%98%af%e4%bb%80%e4%b9%88)
 * [Fun-CosyVoice3.5的主要功能](https://paooo.com/aigc-news/11356/#funcosyvoice35%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Fun-CosyVoice3.5的技术原理](https://paooo.com/aigc-news/11356/#funcosyvoice35%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用Fun-CosyVoice3.5](https://paooo.com/aigc-news/11356/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8funcosyvoice35)
 * [Fun-CosyVoice3.5的应用场景](https://paooo.com/aigc-news/11356/#funcosyvoice35%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/11356/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![Fun-CosyVoice3.5](https://paooo.com/wp-content/uploads/2026/05/Fun-CosyVoice3.5-
website-1.avif)

## Fun-CosyVoice3.5的主要功能

 * **FreeStyle 自然语言控制**：支持用口语化指令直接描述语音效果，如”语气坚定一点””
   稍微压低音调，语速慢一点””带一点情绪起伏”等，无需掌握专业参数即可精准调控。
 * **多语种音色复刻**：新增泰语、印尼语、葡萄牙语、越南语支持，总计覆盖13种语言，
   词错误率（WER）和说话人相似度（SpkSim）指标保持业内领先。
 * **发音准确性提升**：生僻字读错率从15.2%大幅降至5.3%，长文本朗读更稳定流畅，减少
   卡顿和错误。
 * **低延迟优化**：Tokenizer帧率减半，首包延迟降低35%，更适合实时语音交互场景。
 * **强化学习驱动优化**：语言模型采用DiffRO+GRPO策略优化韵律，音频生成使用Flow-GRPO
   技术提升音质和音色复刻相似度。

## Fun-CosyVoice3.5的技术原理

 * **DiffRO + GRPO 韵律优化**：在语言模型部分引入强化学习，采用 DiffRO（Differential
   Reward Optimization）结合 GRPO（Generalized Reward-Penalty Optimization）策略，
   增加时长与韵律的多通道奖励机制，提升语音的自然度和节奏感。
 * **Flow-GRPO 音质提升**：在音频生成部分使用 Flow-GRPO 技术，通过流匹配（Flow Matching）
   框架结合强化学习优化，显著提升音色复刻的相似度和整体音频质量。
 * **Tokenizer 帧率优化**：将 Tokenizer 的帧率减半，有效降低计算开销，实现首包延迟
   降低 35%，同时保持生成质量。
 * **端到端语音合成架构**：基于 CosyVoice 系列的端到端语音合成框架，整合文本编码、
   声学建模和声码器，实现从文本到语音的直接生成，减少中间环节误差。
 * **多任务联合训练**：通过多任务学习框架，同时优化语音识别、音色克隆和风格控制等
   多个目标，提升模型在复杂场景下的泛化能力。

## 如何使用Fun-CosyVoice3.5

 * **通过阿里云百炼平台调用**：访问[阿里云百炼](https://ai-bot.cn/sites/50019.html)
   控制台，开通语音合成服务，获取 API Key 进行调用，支持在线调试和批量生成。
 * **API 接口调用**：使用官方提供的 API 接口，传入文本内容、目标音色 ID 和 FreeStyle
   控制指令（如”语气温柔一点”），返回生成的音频文件。

## Fun-CosyVoice3.5的应用场景

 * **智能客服与语音助手**：低延迟特性支持实时对话，FreeStyle控制可根据用户情绪调整
   语气，提升服务温度和用户满意度。
 * **有声内容创作**：播客、有声书、新闻播报等场景，通过自然语言指令快速调整朗读风格，
   实现一人分饰多角或统一品牌音色。
 * **虚拟主播与数字人**：精准音色复刻能力可克隆特定人物声音，结合情绪控制生成富有
   表现力的直播/短视频配音。
 * **游戏与动画配音**：支持13种语言本地化，快速生成角色语音，降低多语言版本制作成本
   和时间。
 * **教育与语言学习**：生僻字准确朗读辅助教学，多语种支持可用于外语发音示范和口语
   训练。
 * **无障碍服务**：为视障人士提供高质量语音朗读，支持个性化音色定制和语速调节。

#### 📝 站长洞察 (Editor’s Insight)

Fun-CosyVoice3.5的发布，标志着语音合成从“能听”向“善听”与“可控”迈进了一大步。其核心
突破在于将复杂的声学参数转化为自然的口语指令，极大降低了专业门槛，这是[AIGC](https://paooo.com/aigc-news/)
工具走向普惠的关键一步。结合强化学习对韵律和音质的深度优化，模型不仅在技术指标上
领先，更在应用层面打开了想象空间——从更富温度的客服到更生动的虚拟主播，语音交互的
边界正在被重新定义。低延迟的优化也预示着实时、沉浸式语音交互将成为下一代应用的标准
配置，这是通往未来多模态交互不可或缺的基石。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**阿里云百炼 ↗**

阿里云百炼：一站式大模型开发与应用构建平台，面向AI 开发平台场景提供便捷实用的在线
功能支持，涵盖大模型等实用方

❓ 常见问题解答（FAQ）

Fun-CosyVoice3.5支持哪些语言？

文章提到，Fun-CosyVoice3.5新增泰语、印尼语、葡萄牙语、越南语支持，整体覆盖13种语言，
适合多语种配音、本地化内容和跨语言语音交互场景。

Fun-CosyVoice3.5怎么控制语气和语速？

它支持FreeStyle自然语言控制，用户可直接输入“语气坚定一点”“语速慢一点”“带一点情绪
起伏”等口语化指令，无需手动调专业参数，就能调整语音表达效果。

Fun-CosyVoice3.5适合哪些应用场景？

适合智能客服、有声内容创作、虚拟主播、游戏动画配音、教育学习和无障碍服务等场景，
尤其适合需要低延迟、多语种和可控表达的语音生成任务。

🔬 语宙深潜追问 · 进阶实操拆解

一句话控语气怎么落到产品里？

可以把语气、语速、情绪做成可组合控制项，默认给普通用户简化入口，专业用户开放细粒度
参数；同时保留 TTS 预览和回放，方便快速迭代播报风格。

低延迟语音生成如何兼顾准确率？

关键是流式生成、前端缓存和发音纠错协同；对生僻字、专有名词和多语种混读，最好接入
词典热更新与文本规范化，减少首包快但后续读错的问题。

🗳️ 读者观点微投票 · 您的实战立场是？

语音生成升级，最先打动你的是哪点？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

 * [CosyVoice – 阿里开源的语音生成大模型](https://paooo.com/aigc-news/24848/)
 * [阿里通义Fun-ASR1.5重磅发布：单模型支持30语言+方言识别，MoE架构引领ASR新纪元](https://paooo.com/aigc-news/10526/)
 * [MAI-Voice-2 – 微软推出的新一代文本转语音模型](https://paooo.com/aigc-news/18580/)
 * [阿里通义Qwen3-TTS-Flash重磅发布：49种音色+10语种开源语音合成模型，全面超越GPT-4o](https://paooo.com/aigc-news/13579/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/11356/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
