通义推出首个开源影视级配音大模型：AI终于会“带感情地说话”

在 AIGC 已改变图像与文字创作之后，影视行业里最后一道需要大量人工的环节——配音，正被阿里通义实验室突破。3 月 16 日，通义实验室正式发布并开源了全球首个支持影视级、多场景配音的多模态大模型Fun-CineForge。

一直以来，AI 配音常被诟病“太机械”“像播音”，缺少真实情感。特别是在影视剧中，角色情绪爆发、环境杂音混合，以及口型对齐等难点，长期是 AI 的短板。Fun-CineForge的出现，正是为了解决这些痛点。

这款大模型采用“数据+模型”一体化的新思路。除了模型本身，通义实验室还同步开放了高质量数据集的构建方法。这让 AI 不再只是按字面读台词，而是能更好地理解影视语境，呈现细腻的情绪变化，并在不同场景下还原更真实的空间音效。

作为通义家族的新成员，Fun-CineForge的开源意义尤为突出。它既能作为面向视频创作者的“影视级”后期工具，也通过技术下沉，让中短剧团队甚至个人创作者，都能以更低成本完成高质量的跨语种译制。

从去年的Qwen3-Omni到今天的Fun-CineForge，通义系列正在加速补上多模态能力的关键一块。当 AI 真正能像演员那样“演戏”，影视翻译和后期制作的工作方式，或许将被彻底重塑。目前，这一模型及其数据集构建方案已在相关开源平台上线，“影视级 AI”普及的脚步，可能比我们想象得更快。