3月2日，阿里通义实验室语音团队发布两款支持FreeStyle指令生成的模型Fun-CosyVoice3.5与Fun-AudioGen-VD。

官方宣称，无论是精细控制声音表达，还是从零设计音色与场景，都可以通过自然语言指令直接生成。

其中，Fun-CosyVoice3.5应用方向为多语种复刻+精细化表达控制：用户可以直接用自然语言描述表达方式，例如：“语气坚定一点”、“稍微压低音调，语速慢一点”、“带一点情绪起伏”...... 模型即可理解并生成相应表达。此外，针对生僻字、复杂语句等容易读错的场景专项优化，Fun-CosyVoice3.5生僻字读错率从15.2%降至5.3%，

Fun-AudioGen-VD则主打声音设计+场景化音频生成。支持根据自然语言描述，生成目标音色、情绪表达和完整听觉场景，此外，Fun-AudioGen-VD不仅能生成声音，还能生成声音所处的“世界”，打造沉浸式听觉场景。