阿里發布國內首個一站式 AI 語音平臺 CosyVoice Studio
為何重要
隨著語音驅動的人機互動逐漸取代純文字輸入，阿里透過將 Qwen-Audio 的技術能力封裝為面向開發者與企業的聚合平臺，降低了構建語音 Agent 與專業內容生產工具的技術門檻，這符合目前 AI 從文本能力向多模態語音能力擴充套件的產業趨勢。
阿里巴巴於 8 月 7 日推出國內首個一站式 AI 語音生產力平臺 CosyVoice Studio，整合自研 Qwen-Audio 模型。該平臺將 ASR、即時互動與 TTS 能力以產品型態對外開放，並提供語音鍵盤、智慧體搭建與音訊創作三種核心功能。
- Qwen-Audio 模型在 Artificial Analysis 上榮獲 ASR、RealTime 與 TTS 三項全球第一，並支援特殊文本（如數字與公式）的智慧轉寫。
- CosyVoice 應用程式支援 iOS、Android、Mac 與 Windows，可快速轉寫並去除填充詞，支援最長 6 小時連續錄音及多語言翻譯。
- CosyAgent 目前採白名單邀請制針對企業使用者測試，允許使用者以自然語言快速建立具企業知識與即時語音互動能力的智慧體。