阿里巴巴推出国内首个AI语音平台CosyVoice Studio，实现三大全球第一

8月7日，阿里巴巴正式推出国内首个一站式AI语音生产力平台CosyVoice Studio，该平台基于自研语音模型Qwen-Audio打造，并在全球权威AI评测平台上斩获三项第一。

CosyVoice Studio包含三个主要功能：语音键盘、音频内容创作工具和语音智能体。语音键盘能够将口语转换为结构化文本，去除填充词，整理零散想法。音频内容创作工具则可以将用户的想法转化为播客和有声书。语音智能体则能根据企业需求创建实时对话的语音智能体。这些功能全面满足了企业、开发者和个人用户的AI语音需求。
在实际应用中，CosyVoice不仅具备通用的语音转文字能力，还能进行语义理解和文本生成。例如，在日常交流场景中，它会自动过滤“那个”、“嗯”等口语填充词，将零散的想法整理为清晰有逻辑的表达。

CosyVoice Studio的技术优势在于其基于自研模型Qwen-Audio，该模型在全球权威AI评测平台Artificial Analysis上获得了语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一。这使得平台在语音处理方面具有显著的优势。
面向专业场景，CosyVoice支持数字、公式等特殊文本的智能转写，如“三点五八亿”可以直接输出为3.58亿。此外，平台还内置了“随记”模式，适用于会议、访谈、课堂等需要长时间记录的场景，系统可以实时将语音转为逐字稿，并根据声纹区分不同发言人。录音结束后，自动生成结构化章节，方便后续使用。

目前，CosyVoice Studio已全面对外开放，用户可以在iOS、Android、Mac和Windows各大应用商店搜索“CosyVoice”下载体验，不限量免费使用。而CosyAgent和CosyCreative则以白名单邀请制面向企业用户测试，近期将全面开放。
除了个人用户，企业用户也可以通过平台直接体验效果，并按需调用API。音频内容创作工具CosyCreative内置上千种音色，支持声音复刻，生成的音色十分接近真人。用户上传文档或网页链接，即可快速生成一段对话播客或多角色有声书，覆盖音频内容创作的全链路。