Alibaba Tongyi a lancé Tongyi Fun, un modèle audio professionnel. Composé de Fun-ASR et de Fun-CosyVoice, il vise à offrir des capacités complètes, de la compréhension à la transcription et à la prise de parole, dans des environnements professionnels réels. Les informations officielles indiquent que Fun-ASR est entraîné avec des dizaines de millions d'heures de parole réelle, couvrant la terminologie industrielle et des scénarios bruyants dans les secteurs de la finance, de la technologie, de l'industrie manufacturière et d'autres secteurs. Fun-CosyVoice offre une synthèse vocale multilingue et multitimbre ainsi qu'un clonage vocal interlingue, privilégiant une prosodie stable et une expression naturelle.
En termes de mise en œuvre technique, Tongyi Fun utilise l'amélioration contextuelle et la récupération RAG pour intégrer les connaissances et la terminologie de l'entreprise au processus de reconnaissance et de traduction, réduisant ainsi les interférences et les artefacts inter-langues. Pour répondre aux besoins pratiques, le produit prend en charge les comptes rendus de réunion, le contrôle qualité du service client, les robots vocaux et la production de contenu multimédia. Il propose également une API extensible et des parcours de formation personnalisables pour une intégration facile aux systèmes existants.
Questions fréquemment posées
Q : Quels sont les composants principaux de Tongyi Fun ?
R : Il se compose de Fun-ASR (reconnaissance vocale) et de Fun-CosyVoice (synthèse vocale), qui sont respectivement responsables de la compréhension et de la génération.
Q : Pourquoi introduire RAG ?
R : En effectuant des recherches dans la base de connaissances et le glossaire de l’entreprise, nous pouvons améliorer le contexte, rendre la transcription et la traduction plus précises et réduire les illusions et les erreurs de jugement.
Q : Quelle est la couverture des langues et des tons ?
R : Il prend en charge plusieurs langues, plusieurs dialectes et une variété de voix anthropomorphes, et fournit un clonage de voix interlinguistique pour maintenir la cohérence des locuteurs.
Q : Quels sont les scénarios d’entreprise applicables ?
A : Transcription et synthèse de réunions, contrôle de la qualité du service client et robots vocaux, formation et production de contenu, examen de conformité, etc.
Q : Le code source ouvert ou le chemin d'accès est-il fourni ?
R : Des composants tels que CosyVoice ont des implémentations open source ; l'accès au niveau de l'entreprise et les consoles sont fournis sur la page produit Alibaba Cloud Tongyi.
