9月24日，阿里巴巴在2025杭州云栖大会上发布通义百聆语音模型，包括Fun-ASR语音识别大模型和Fun-CosyVoice语音合成大模型。Fun-ASR具备强大上下文理解能力，Fun-CosyVoice提供上百种预制音色，开源模型下载量已超5.6亿。...

9月19日，小米正式开源首个原生端到端语音模型Xiaomi-MiMo-Audio，该模型基于创新架构和上亿小时训练数据，在语音理解及对话评测中超越同参数开源模型，性能优于Google和OpenAI的闭源语音模型。...