ARTICLE · 人工智能
阿里推出国内首个 AI 语音平台 CosyVoice Studio，将语义理解融入语音能力
一语总结阿里巴巴推出国内首个一体化 AI 语音平台 CosyVoice Studio，集语音键盘、音频内容创作和语音智能体三大功能，基于自研 Qwen-Audio 模型在语音识别、合成和实时交互三项全球第一。
量子位报道，阿里巴巴于 8 月 7 日正式发布 CosyVoice Studio，这是国内首个一站式 AI 语音生产力平台，底层依托自研语音模型 Qwen-Audio，该模型在全球权威 AI 评测平台 Artificial Analysis 上获得语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一。平台包含三大核心功能：语音键盘可将口语转写为去除填充词的结构化文本，适用于生成邮件、会议纪要等；音频内容创作工具 CosyCreative 内置上千种音色并支持声音复刻，用户上传文档或输入一句话即可生成播客或有声书；语音智能体 CosyAgent 允许通过自然语言快速构建具备企业知识、工具调用和实时语音交互能力的智能体，面向智能客服等场景。此外，平台还提供“随记”模式，实现会议、访谈、课堂等长时间录音的逐字转写、发言人区分、自动章节及多语言翻译，单次最长支持 6 小时连续录音。目前 CosyVoice Studio 已在 iOS、Android、Mac、Windows 应用商店免费提供下载，CosyAgent 和 CosyCreative 以白名单邀请制面向企业用户测试，近期将全面开放。
- 语音键盘实现口语转结构化文本，自动去除填充词并保留最终意图。
在日常交流中过滤"那个"，"嗯"等口语填充词；在工作场景中可直接生成邮件、工作汇报、会议纪要的格式与话术，提升信息整理效率。
- 音频内容创作工具支持多种音色和声音复刻，可快速生成播客或有声书。
用户上传文档、网页链接或直接输入一句话，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，降低制作门槛。
- 语音智能体 CosyAgent 支持基于企业知识和工具调用的实时语音交互，适用于智能客服等场景。
通过自然语言配置 prompt 与 workflow，构建具备专业知识和工具调用能力的语音智能体，目前以白名单邀请制面向企业用户测试，近期将全面开放。
- 随记模式提供实时逐字稿、发言人区分、自动章节及多语言翻译，支持长达 6 小时连续录音。
适用于会议、访谈、课堂等长时间记录场景，录音结束后自动生成结构化章节，并支持一键多语言翻译，跨国沟通无需事后人工整理。
阿里推出国内首个 AI 语音平台 CosyVoice Studio，将语义理解融入语音能力
量子位报道，阿里巴巴于 8 月 7 日正式发布 CosyVoice Studio，这是国内首个一站式 AI 语音生产力平台，底层依托自研语音模型 Qwen-Audio，该模型在全球权威 AI 评测平台 Artificial Analysis 上获得语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一。平台包含三大核心功能：语音键盘可将口语转写为去除填充词的结构化文本，适用于生成邮件、会议纪要等；音频内容创作工具 CosyCreative 内置上千种音色并支持声音复刻，用户上传文档或输入一句话即可生成播客或有声书；语音智能体 CosyAgent 允许通过自然语言快速构建具备企业知识、工具调用和实时语音交互能力的智能体，面向智能客服等场景。此外，平台还提供“随记”模式，实现会议、访谈、课堂等长时间录音的逐字转写、发言人区分、自动章节及多语言翻译，单次最长支持 6 小时连续录音。目前 CosyVoice Studio 已在 iOS、Android、Mac、Windows 应用商店免费提供下载，CosyAgent 和 CosyCreative 以白名单邀请制面向企业用户测试，近期将全面开放。
文章金句
"语音正在成为 AI 时代人机交互的核心界面。
"CosyVoice Studio 含有三个主要功能，其中语音键盘能够把说完的话变成去掉口语填充词逻辑更清晰的结构化文本，音频内容创作工具能把用户想讲的内容变成播客和有声书，语音智能体能够根据企业需求创建实时对话的语音智能体。