Alibaba Tongyi hat Tongyi Fun auf den Markt gebracht, ein Audio-Basismodell für Unternehmen. Es besteht aus Fun-ASR und Fun-CosyVoice und zielt darauf ab, die gesamte Sprachkette vom Verstehen über die Transkription bis hin zum Sprechen in realen Unternehmensumgebungen zu erreichen. Offiziellen Informationen zufolge wurde Fun-ASR mit Millionen von Stunden echter Sprache trainiert und deckt Branchenterminologie und laute Szenarien aus den Bereichen Finanzen, Technologie, Fertigung und anderen Branchen ab. Fun-CosyVoice bietet mehrsprachige und mehrstimmige Synthese sowie sprachübergreifendes Stimmenklonen mit Schwerpunkt auf stabiler Prosodie und natürlichem Ausdruck.
In der technischen Umsetzung nutzt Tongyi Fun Kontextverbesserung und RAG-Retrieval, um Unternehmenswissen und -terminologie in den Erkennungs- und Übersetzungsprozess zu integrieren und so sprachübergreifende Interferenzen und Artefakte zu reduzieren. Um praktischen Anforderungen gerecht zu werden, unterstützt das Produkt Besprechungsprotokolle, die Qualitätskontrolle im Kundenservice, Voice-Bots und die Produktion von Multimedia-Inhalten. Es bietet außerdem eine erweiterbare API und anpassbare Schulungspfade für eine einfache Integration in bestehende Systeme.
Häufig gestellte Fragen
F: Was sind die Kernkomponenten von Tongyi Fun?
A: Es besteht aus Fun-ASR (Spracherkennung) und Fun-CosyVoice (Sprachsynthese), die jeweils für das Verstehen und die Generierung verantwortlich sind.
F: Warum RAG einführen?
A: Durch die Suche in der Wissensdatenbank und im Glossar des Unternehmens können wir den Kontext verbessern, die Transkription und Übersetzung präziser gestalten und Illusionen und Fehleinschätzungen reduzieren.
F: Wie ist die Abdeckung von Sprachen und Tönen?
A: Es unterstützt mehrere Sprachen, mehrere Dialekte und eine Vielzahl anthropomorpher Stimmen und bietet sprachübergreifendes Stimmenklonen, um die Sprecherkonsistenz zu wahren.
F: Welche Unternehmensszenarien sind anwendbar?
A: Transkription und Zusammenfassung von Meetings, Qualitätsprüfung des Kundendienstes und Sprachroboter, Schulung und Inhaltserstellung, Compliance-Überprüfung usw.
F: Wird Open Source oder ein Zugriffspfad bereitgestellt?
A: Komponenten wie CosyVoice verfügen über Open-Source-Implementierungen; Zugriff auf Unternehmensebene und Konsolen werden auf der Produktseite von Alibaba Cloud Tongyi bereitgestellt.
