阿里巴巴推出一站式AI语音生产力平台CosyVoice Studio

8月7日，阿里巴巴正式推出国内首个一站式AI语音生产力平台CosyVoice Studio。该平台基于阿里自研语音模型Qwen-Audio打造，包含语音记录CosyFlow、语音智能体CosyAgent和音频内容创作工具CosyCreative三大核心功能。

平台功能与免费体验

用户可免费下载“CosyVoice”体验，具体平台包含以下功能模块：

• 语音记录CosyFlow：支持用户实时记录语音并转换为文本。
• 语音智能体CosyAgent：通过AI技术实现智能语音交互。
• 音频内容创作工具CosyCreative：提供音频内容制作支持。

截至目前，CosyAgent和CosyCreative目前以白名单邀请制面向企业用户测试，近期将全面开放。

CosyVoice Studio的推出，为用户提供了一站式语音生产力解决方案，据行业反馈，这将有助于提升音频内容制作效率。

阿里巴巴语音技术三款新品发布：Qwen-Audio斩获全球三项第一

阿里巴巴发布语音技术新品，其自研语音模型Qwen-Audio在全球权威AI评测平台Artificial Analysis上斩获语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一。

语音记录CosyFlow：转写叠加语义理解，输出结构化文本

CosyFlow在语音转文字基础上叠加了语义理解和文本生成能力。日常场景中，它会自动过滤“那个”“嗯”等口语填充词，将零散想法整理为清晰表达。

工作场景中，口述即可直接生成邮件、工作汇报、会议纪要的格式与话术。用户说话时的自我修正不会留下改口痕迹，只保留最终意图。它还支持数字、公式等特殊文本的智能转写——“三点五八亿”可直接输出为“3.58亿”。

“CosyFlow通过语义理解和文本生成技术，将口语表达转化为结构化文本，提高了语音记录的准确性和效率。”

内置“随记”模式：支持长时间持续记录

内置的“随记”模式专门面向会议、访谈、课堂等需要长时间持续记录的场景。系统实时将语音转为逐字稿，根据声纹智能区分不同发言人，录音结束后自动生成结构化章节和智能摘要。

单次最长支持6小时的连续录音上传转写。随记同样支持一键多语言翻译。

语音智能体CosyAgent：自然语言创建实时对话Agent

CosyAgent支持通过自然语言快速创建具备企业知识、工具调用和实时语音交互能力的智能体，也兼容prompt与workflow深度配置，面向智能客服、电话营销等场景。

音频创作CosyCreative：上传文档即可生成播客或有声书

CosyCreative内置上千种音色，支持声音复刻，生成的音色十分接近真人。用户上传文档、网页链接或输入文字，即可生成对话播客或多角色有声书，覆盖音频内容创作的全链路。

背景说明： 语音识别（ASR）是指将语音信号转换为文本的技术，主要应用在语音助手、语音输入法等产品中。