2026年3月16日，通义实验室发布了多模态配音大模型 Fun-CineForge，能够在复杂影视场景中实现高质量配音，包括独白、旁白以及多角色对话等场景。模型首次在电影配音任务中引入时间模态，通过显式时间戳建模，让系统理解“谁在什么时候说话”，从而实现更精准的语音与画面对齐。同时，模型支持多角色音色切换，能够在对话场景中实现自然的角色语音过渡。

项目同时开源了影视配音数据集构建流程和模型检查点，为大规模电影配音研究提供基础工具。

GitHub:
http://t.cn/AXfPuF9j
HuggingFace:
http://t.cn/AXfPuF9Y
ModelScope:
http://t.cn/AXfPuF9T

AI电影配音，正逐步走向真实影视制作级别。