阿里语音大模型在Speech Arena斩获中国第一 全球排名第五

刘绪刚

快科技5月28日消息，据媒体报道，在全球权威AI评测平台Artificial Analysis的语音排行榜（Speech Arena）上，阿里巴巴语音大模型Fun-Realtime-TTS-Preview以1190分的Elo评分位列全球第五、国产第一。
在ASR（将语音转为文字）、Chat（端到端的语音理解与对话）以及TTS（将文字转为语音）三个核心赛道，该模型均斩获全国第一，实现语音交互领域的“大满贯”。

语音大模型的能力可拆解为三个层次：听得准（ASR）、说得好（TTS）和聊得棒（Chat），三者各自独立又相互依赖，共同构成完整的语音交互体验。
此前，阿里语音大模型家族的另外两款模型——Fun-Realtime-ASR和Fun-Realtime-AudioChat，已在同一平台登顶，分别斩获“听准”“听懂”“会聊”三项指标全球第一，整体表现超越GPT-Realtime-2等国际顶尖语音模型。
阿里语音大模型家族目前已深度融入千问App、高德地图、钉钉等国民级应用，提供实时语音转文字、智能导航交互、会议纪要生成等核心服务。
此外，该模型还提供企业级定制接口，支持金融、医疗等行业场景的灵活适配。阿里语音团队开源的FunASR、CosyVoice等多款模型，在GitHub上累计获得了数万星标，深受海内外开发者关注。