阿里正式推出CosyVoice Studio：一站式AI语音平台，语义理解贯穿转写、智能体与音频创作

事件概述

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，在全球AI评测平台Artificial Analysis上，相关能力在语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道均排名全球第一。

CosyVoice Studio是阿里语音模型能力首次以聚合产品形态对外开放：企业用户可直接体验效果后按需调用API，个人用户也可通过产品直接使用。

核心功能

语音键盘

语音键盘在通用语音转文字之上，叠加了语义理解和文本生成能力。它能够自动过滤“那个”“嗯”等口语填充词，并将零散表达整理为逻辑清晰的结构化文本；用户说话时的自我修正内容会被忽略，只保留最终意图。

面向正式工作场景，用户口述内容后可直接生成邮件、工作汇报、会议纪要等格式文本。语音转写还支持数字和公式等特殊内容处理，例如“三点五八亿”“百分之十二点六”可直接输出为3.58亿、12.6%。

随记模式

随记模式面向会议、访谈、课堂等长时间记录场景。系统可实时将语音转为逐字稿，根据声纹区分不同发言人，并在录音结束后自动生成结构化章节，会议纪要和待办事项可直接生成。

该模式支持一键多语言翻译，也支持上传已有录音文件进行转写，单次最多可处理6小时连续录音。

语音智能体 CosyAgent

CosyAgent是AI智能体搭建工具，用户可通过自然语言创建具备企业知识、工具调用和实时语音交互能力的智能体，并支持prompt与workflow深度配置，主要面向智能客服、电话营销等场景。

音频内容创作工具 CosyCreative

CosyCreative内置上千种音色，同时支持声音复刻。用户上传文档、网页链接或输入一句话，即可生成对话播客或多角色有声书，覆盖音频内容创作全链路。

开放情况

即日起，用户可在iOS、Android、Mac和Windows应用商店搜索“CosyVoice”下载体验，不限量免费使用。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。