本文へスキップ

FunAudioLLM

人と LLM の自然な音声やり取りを支える枠組み

公式サイトを見る
カテゴリ AI音声合成

funaudiollm とは

本枠組みは人と大規模言語モデルの間の音声のやり取りをより自然にするために作られたものと説明されている。

できること

  • 多くの言語の音声を認識する
  • 感情と音声の出来事を検出する
  • 自然な複数言語の音声を生成する

主な特徴

  • 遅延の非常に小さい SenseVoice
  • CosyVoice によるゼロショットの文脈生成
  • 言語をまたいだ音声クローンへの対応

始め方

  • GitHub のページで模型の情報を確かめる
  • SenseVoice か CosyVoice を選びコードを得る
  • 学習と推論の環境を整える

長所と短所

✓ 良い点

  • 資料では感情認識と音声イベント検出が挙がる
  • 音声生成は言語、音色、感情の制御に対応する

! 注意したい点

  • 必要に応じて SenseVoice か CosyVoice を選ぶ
  • 学習と推論の環境はローカルかクラウドで整える

よくある質問

二つのモデルは?

資料では SenseVoice と CosyVoice が名指しされている。

何言語に対応?

資料では SenseVoice が 50 言語超に対応すると説明されている。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法