阿里发布国内首个全栈AI语音平台CosyVoice Studio，基于自研Qwen-Audio大模型，集智能转写（含语义净化）、多角色会议随记、语音Agent构建及高拟真音频创作于一体，支持全平台免费使用与企业级API调用，推动语音成为AI时代核心人机交互界面。
8月7日，阿里巴巴正式推出国内首个面向专业场景的一站式AI语音生产力平台——CosyVoice Studio。该平台基于自研大模型Qwen-Audio构建，在Artificial Analysis全球权威评测中包揽语音识别（ASR）、实时交互（RealTime）与语音合成（TTS）三大核心赛道冠军。平台整合三大核心能力：其一为智能语音键盘CosyVoice，不仅实现高精度转写，更深度融合语义理解与文本生成——自动剔除‘呃’‘那个’等冗余填充词，消解口语修正痕迹（如‘不对，我是说……’），将即兴表达一键转化为逻辑清晰的邮件、汇报或纪要；其二为‘随记’模式，专为会议、访谈与课堂设计，支持长达6小时录音的实时转写、声纹区分多角色发言、自动生成结构化章节及待办清单，并内置一键多语种翻译，大幅降低跨国协作成本；其三为语音智能体CosyAgent与音频创作工具CosyCreative，前者提供自然语言驱动的企业级AI Agent低代码搭建能力，支持知识注入、工具调用与实时语音对话；后者集成千种音色及高保真声音复刻技术，可将文档、网页或单句提示秒级生成多角色播客或有声书。即日起，CosyVoice客户端已上线iOS、Android、Mac与Windows全平台，个人用户免费无限使用；CosyAgent与CosyCreative目前开放白名单企业测试，即将全面商用。作为阿里语音技术首次以聚合产品形态对外开放的里程碑，CosyVoice Studio标志着行业从碎片化语音工具迈向端到端语音智能体架构的关键跃迁。
来源：量子位