Alibaba julkaisee Kiinan ensimmäisen tekoälyäänialustan CosyVoice Studio, joka integroi semanttisen ymmärryksen ääniominaisuuksiin

Elokuun 7. päivänä Alibaba julkaisi virallisesti CosyVoice Studio -alustan, joka on Kiinan ensimmäinen yhden luukun tekoälyäänentuotantoalusta. Se perustuu yhtiön omaan Qwen-Audio-äänimalliin, joka saavutti maailman ensimmäisen sijan puheentunnistuksessa (ASR), reaaliaikaisessa vuorovaikutuksessa ja puhesynteesissä (TTS) arvovaltaisella tekoälyn arviointialustalla Artificial Analysis -alustalla. Alusta sisältää kolme pääominaisuutta: ääninäppäimistö muuntaa puheen jäsennellyksi tekstiksi poistamalla täytesanat, äänisisällöntuotantotyökalu muuntaa käyttäjän sisällön podcasteiksi ja äänikirjoiksi, ja ääniagentti mahdollistaa yrityksille reaaliaikaisten keskusteluagenttien luomisen. Alusta on ensimmäinen kerta, kun Alibaba on koonnut äänimallinsa ominaisuudet yhdeksi tuotteeksi, jolloin yrityskäyttäjät voivat testata kokemusta ja tarvittaessa kutsua rajapintoja, kun taas yksityiskäyttäjät voivat käyttää sitä suoraan. Ääninäppäimistö tukee erikoislukujen, kuten numeroiden ja kaavojen, älykästä litterointia, ja sen muistiinpanotila on suunniteltu pitkiin kokouksiin, haastatteluihin ja oppitunteihin, tarjoten reaaliaikaisen litteroinnin, puhujien erottelun, rakenteelliset luvut ja monikielisen käännöksen. Agenttityökalu CosyAgent antaa käyttäjille mahdollisuuden luoda agenteja luonnollisella kielellä, ja se tukee kehotteiden ja työnkulkujen syvällistä määrittelyä asiakaspalvelua ja puhelinmyyntiä varten. Sisällöntuotantotyökalu CosyCreative tarjoaa tuhansia ääniä ja äänen kloonausmahdollisuuden, jotta voidaan luoda keskustelevia podcasteja ja usean roolin äänikirjoja. Alusta on saatavilla ilmaiseksi iOS-, Android-, Mac- ja Windows-alustoille sovelluskaupoista, kun taas CosyAgent ja CosyCreative ovat yrityskäyttäjien testattavana valkoisella listalla.