阿里通义开源Fun-Audio-Chat-8B语音大模型：超低延迟，还能读懂情绪

阿里巴巴通义实验室宣布开源新一代端到端语音交互模型Fun-Audio-Chat-8B。它主打超低延迟、自然流畅的语音交流，意味着开源语音AI进入新阶段。模型不仅能实时听懂用户说话，还具备强大的情绪感知能力，整体表现逼近GPT-4o Audio和Gemini 2.5 Pro。编辑独家解读：Fun-Audio-Chat并非普通聊天工具，更像一个真正的“AI语音伙伴”。

你只需开口说话，模型就能即时理解、思考，并用自然语音回应。告别传统ASR+LLM+TTS多模块串联带来的延迟，采用端到端的Speech-to-Speech（S2S）架构，对话体验更贴近真人交流。

核心技术亮点 超低延迟与高效设计：采用创新“双分辨率”架构（5Hz共享主干+25Hz精细头部），GPU计算资源可节省近50%，响应速度显著提升，更适合实时场景部署。

富有同理心的情感理解：模型能从语气、语速、停顿等细节识别用户情绪（如开心、疲惫或愤怒），即使没有明确说明，也能给出贴心、有共鸣的回复，让交互更有人情味。

强大语音函数调用：支持Voice Function Calling，用户用自然语音即可完成复杂操作，例如“帮我打开音乐”或“拨打电话”，真正实现“动口不动手”。

领先性能：在OpenAudioBench、MMAU、Speech-ACEBench、VStyle等多项国际权威评测中，Fun-Audio-Chat-8B在同尺寸模型里名列第一。综合能力超过GLM4-Voice、Kimi-Audio、Baichuan-Omni等开源产品，部分指标已能媲美或领先闭源顶级模型。

丰富应用能力 能实时回答语音问题（例如概括一段语音内容）；

可准确识别情绪、音色与指令；

支持多语言翻译与角色扮演；

能模拟多种情感语音输出（如温柔、严肃、开心）；

适用于情感陪伴、智能设备控制、语音客服等场景。

编辑观点：本次开源包含完整8B模型权重、推理代码和Function Call示例，大幅降低开发门槛，推动语音AI生态加速发展。感兴趣的开发者可前往GitHub、Hugging Face或ModelScope下载体验，开启属于你的“高情商”语音AI时代！

项目地址：https://funaudiollm.github.io/funaudiochat/