阿里巴巴、中国初のAI音声プラットフォーム「CosyVoice Studio」を発表、音声機能に意味理解を統合

8月7日、アリババは中国初のワンストップAI音声制作プラットフォーム「CosyVoice Studio」を正式に発表しました。これは同社が独自開発した音声モデル「Qwen-Audio」に基づいており、権威あるAI評価プラットフォーム「Artificial Analysis」で、音声認識（ASR）、リアルタイム対話、音声合成（TTS）の3部門で世界第1位を獲得しました。このプラットフォームには主に3つの機能が含まれています。音声キーボードは、話し言葉からフィラーワードを除去して構造化テキストに変換し、オーディオコンテンツ制作ツールはユーザーのコンテンツをポッドキャストやオーディオブックに変換し、音声エージェントは企業がリアルタイム対話エージェントを作成できるようにします。このプラットフォームは、アリババが音声モデルの機能を製品として集約した初の事例であり、エンタープライズユーザーは体験をテストした後、必要に応じてAPIを呼び出すことができ、個人ユーザーは直接使用できます。音声キーボードは、数字や数式などの特殊なテキストのインテリジェントな書き起こしをサポートし、その「メモ」モードは長時間の会議、インタビュー、授業向けに設計されており、リアルタイム書き起こし、話者分離、構造化された章、多言語翻訳に対応しています。エージェントツール「CosyAgent」は、ユーザーが自然言語でエージェントを作成でき、カスタマーサービスやテレマーケティング向けにプロンプトとワークフローの詳細な設定をサポートしています。コンテンツ制作ツール「CosyCreative」は、数千の音声と音声クローンを提供し、対話型ポッドキャストや複数役のオーディオブックを生成できます。このプラットフォームはiOS、Android、Mac、Windowsでアプリストアから無料で利用でき、CosyAgentとCosyCreativeはホワイトリスト方式でエンタープライズユーザー向けにテスト中です。