अलीबाबा ने चीन का पहला एआई वॉयस प्लेटफॉर्म CosyVoice Studio लॉन्च किया, वॉयस क्षमताओं में सिमेंटिक समझ को एकीकृत किया

8 अगस्त को, अलीबाबा ने आधिकारिक तौर पर CosyVoice Studio लॉन्च किया, जो चीन का पहला वन-स्टॉप AI वॉइस प्रोडक्शन प्लेटफॉर्म है। यह उसके स्व-विकसित वॉइस मॉडल Qwen-Audio पर आधारित है, जिसने प्रतिष्ठित AI मूल्यांकन प्लेटफॉर्म Artificial Analysis पर स्पीच रिकग्निशन (ASR), रियल-टाइम इंटरैक्शन और स्पीच सिंथेसिस (TTS) में विश्व स्तर पर पहला स्थान हासिल किया है। प्लेटफॉर्म में तीन मुख्य विशेषताएं शामिल हैं: वॉइस कीबोर्ड जो फिलर शब्दों को हटाकर भाषण को संरचित टेक्स्ट में बदलता है, ऑडियो कंटेंट क्रिएशन टूल जो उपयोगकर्ता की सामग्री को पॉडकास्ट और ऑडियोबुक में बदलता है, और वॉइस एजेंट जो व्यवसायों को रियल-टाइम संवादी एजेंट बनाने में सक्षम बनाता है। यह प्लेटफॉर्म पहली बार है जब अलीबाबा ने अपनी वॉइस मॉडल क्षमताओं को एक उत्पाद में समेकित किया है, जिससे एंटरप्राइज़ उपयोगकर्ता अनुभव का परीक्षण कर सकते हैं और फिर आवश्यकतानुसार एपीआई कॉल कर सकते हैं, जबकि व्यक्तिगत उपयोगकर्ता इसे सीधे उपयोग कर सकते हैं। वॉइस कीबोर्ड संख्याओं और सूत्रों जैसे विशेष टेक्स्ट की बुद्धिमान ट्रांसक्रिप्शन का समर्थन करता है, और इसका 'नोट्स' मोड लंबी मीटिंग, इंटरव्यू और क्लासेस के लिए डिज़ाइन किया गया है, जिसमें रियल-टाइम ट्रांसक्रिप्शन, स्पीकर डायराइजेशन, संरचित अध्याय और बहु-भाषा अनुवाद शामिल हैं। एजेंट टूल, CosyAgent, उपयोगकर्ताओं को प्राकृतिक भाषा के साथ एजेंट बनाने की अनुमति देता है, जो ग्राहक सेवा और टेलीमार्केटिंग के लिए प्रॉम्प्ट और वर्कफ़्लो के गहन कॉन्फ़िगरेशन का समर्थन करता है। कंटेंट क्रिएशन टूल, CosyCreative, संवादी पॉडकास्ट और बहु-भूमिका ऑडियोबुक उत्पन्न करने के लिए हजारों आवाज़ें और वॉइस क्लोनिंग प्रदान करता है। प्लेटफॉर्म iOS, Android, Mac और Windows पर ऐप स्टोर के माध्यम से मुफ्त उपलब्ध है, जबकि CosyAgent और CosyCreative को व्हाइटलिस्ट के आधार पर एंटरप्राइज़ उपयोगकर्ताओं के साथ परीक्षण किया जा रहा है।