通義大模型微信公眾號發文宣佈，推出新一代端到端語音交互模型 Fun-Audio-Chat。“不是簡單的“能聊天”，而是聽得懂你的話、感知你的情緒、還能幫你真正幹活的AI語音搭子。”

目前開源了 Fun-Audio-Chat 8B，包括模型權重、推理代碼、Function Call 接入示例。

技術表現：

• 端到端 S2S 架構：從語音輸入直接生成語音輸出，無需 ASR + LLM + TTS 多模塊拼接，效率更高、延遲更低。
• 雙分辨率設計：Shared LLM 層以 5Hz 幀率 高效處理，SRH 以 25Hz 幀率 生成高質量語音，GPU 計算開銷降低近 50%。
• 百萬小時多任務數據訓練：覆蓋音頻理解、語音問答、情感識別、工具調用等真實場景，讓模型更“接地氣”。

高情商：像朋友一樣的對話體驗

• 你生氣時，它會安慰你；你焦慮時，它會陪你深呼吸；你開心時，它會跟着你一起嗨。
• 哪怕你沒直接説情緒，它也能從你的語氣、語速、停頓裏，猜出你的心情，然後給出恰到好處的迴應。

易落地：它不僅能聊，還能“幹實事”

• Speech Function Call：你只需用自然語音下達指令，它就能自動調用函數，完成複雜任務。

測評結果顯示，Fun-Audio-Chat 8B 在 OpenAudioBench、MMAU、Speech-ACEBench、VStyle 等多個權威榜單上，同尺寸模型排名第一，綜合性能遠超 GLM4-Voice、Kimi-Audio、Baichuan-Omni。