Alibaba запустила CosyVoice Studio — первый в Китае AI-сервис со смысловым пониманием речи

CosyVoice Studio объединяет три ключевых инструмента. Голосовая клавиатура превращает сказанное в структурированный текст: убирает слова-паразиты вроде «э-э» и «ну», исправляет оговорки и оставляет только чистую мысль. Если вы начали фразу и перестроились на ходу, следов сомнений в тексте не останется. В рабочих сценариях достаточно продиктовать мысль, и сервис оформит её как письмо, отчёт или протокол совещания. С числами тоже никаких проблем: «три целых пятьдесят восемь сотых миллиарда» превратится в 3,58 млрд, а «двенадцать целых шесть десятых процента» — в 12,6%.

Встроенный режим заметок рассчитан на долгие записи: конференции, интервью, лекции. Система расшифровывает речь в реальном времени, различает говорящих по голосу и в конце сама разбивает запись на разделы. По итогам встречи протокол и список задач уже готовы. Функция поддерживает перевод на другие языки, а загрузить в сервис можно и готовую аудиозапись — вплоть до шести часов подряд.

Для бизнеса предназначен конструктор голосовых агентов CosyAgent: с его помощью создаются сотрудники поддержки или обзвона, которые используют корпоративные знания и умеют вызывать нужные инструменты. А инструмент CosyCreative позволяет генерировать подкасты и аудиокниги с участием нескольких персонажей: в его библиотеке тысячи тембров, доступна и имитация реального голоса человека, звучащая очень естественно.

Попробовать CosyVoice Studio можно уже сейчас — приложение доступно в магазинах iOS, Android, Mac и Windows без ограничений и полностью бесплатно. CosyAgent и CosyCreative пока тестируются с избранными корпоративными клиентами по приглашениям, но в ближайшее время станут доступны всем желающим.