Fun-AudioGen-VD – 阿里通义实验室推出的音色设计模型

Fun-AudioGen-VD是什么

Fun-AudioGen-VD 是阿里通义实验室语音团队推出的创新语音大模型，定位为面向”声音设计与场景化音频生成”的专业工具。模型支持”FreeStyle”自由指令生成，能根据自然语言描述，一次性生成包含特定音色、情绪表达和完整听觉场景的高质量音频，实现”人物+场景”的一体化声音创作。在音色控制方面，Fun-AudioGen-VD 可精准调控性别、年龄、口音、音高、语速等基础属性，支持沙哑、清亮、磁性等音质特征，以及愤怒、悲伤、坚定等情绪表达，能模拟”表面镇定但内心颤抖”等复杂心理状态。在场景构建上，模型可叠加城市喧嚣、战场轰鸣等环境音，模拟大教堂、水下等空间混响，还原老式广播、对讲机等设备听感，实现风噪断续、回声变化等动态环境互动效果。

Fun-AudioGen-VD的主要功能

• FreeStyle自由指令生成：支持用自然语言描述直接生成目标音色与完整听觉场景，无需复杂参数设置，实现”人物+场景”一体化音频创作。