Alibaba Lança Primeira Plataforma Chinesa de Voz por IA, CosyVoice Studio, Integrando Compreensão Semântica em Capacidades de Voz

Em 7 de agosto, a Alibaba lançou oficialmente o CosyVoice Studio, a primeira plataforma chinesa de produção de voz com IA, construída sobre seu modelo de voz proprietário Qwen-Audio, que alcançou o primeiro lugar global em reconhecimento de fala, interação em tempo real e síntese de fala na plataforma de avaliação de IA Artificial Analysis. A plataforma inclui três recursos principais: o teclado de voz converte fala em texto estruturado, removendo palavras de preenchimento; a ferramenta de criação de conteúdo de áudio transforma o conteúdo do usuário em podcasts e audiolivros; e o agente de voz permite que empresas criem agentes conversacionais em tempo real. Esta é a primeira vez que a Alibaba agrega suas capacidades de modelos de voz em um produto, permitindo que usuários empresariais testem a experiência e depois chamem as APIs conforme necessário, enquanto usuários individuais podem usá-la diretamente. O teclado de voz suporta transcrição inteligente de texto especial, como números e fórmulas, e seu modo "notas" é projetado para reuniões longas, entrevistas e aulas, com transcrição em tempo real, diarização de falantes, capítulos estruturados e tradução multilíngue. A ferramenta de agente, CosyAgent, permite que usuários criem agentes com linguagem natural, suportando configuração profunda de prompts e fluxos de trabalho para atendimento ao cliente e telemarketing. A ferramenta de criação de conteúdo, CosyCreative, oferece milhares de vozes e clonagem de voz para gerar podcasts conversacionais e audiolivros com múltiplos papéis. A plataforma está disponível gratuitamente em iOS, Android, Mac e Windows através das lojas de aplicativos, enquanto CosyAgent e CosyCreative estão sendo testados com usuários empresariais em lista de permissões.