阿里｜推出CosyVoice Studio一站式AI语音生产力平台

语音正在从「转写工具」收成「听、说、创」一体入口——阿里把语音模型能力收进了一个可下载的平台产品。

阿里巴巴长期投入语音识别、合成与多模态理解。Qwen-Audio是其自研语音模型；CosyVoice Studio则是把模型能力第一次以聚合产品形态对外开放的一站式平台：企业可先在界面体验再调API，个人也可直接下载使用。平台方称该模型在Artificial Analysis评测中于语音识别（ASR）、实时交互（RealTime）与语音合成（TTS）赛道位居前列——评测名次属第三方榜单口径，实际效果仍应以业务场景验收为准。

8月7日，CosyVoice Studio正式推出，产品侧拆成三条主线。

三条产品线可这样读：

1. 语音键盘 CosyVoice：通转写之上叠加语义理解与文本生成，可过滤「那个」「嗯」等填充词，整理逻辑，保留自我修正后的最终意图；可直接生成邮件、汇报、会议纪要话术；口述数字与比例可转为规范数值（如「三点五八亿」→3.58亿）。
2. 随记模式：面向会议、访谈、课堂，实时逐字稿，按声纹区分发言人，结束后生成结构化章节，支持多语言翻译；既有录音可上传，单次最长约6小时。
3. CosyCreative：内置大量音色并支持声音复刻，可由文档、网页链接或一句话生成对话播客或多角色有声书。
4. CosyAgent：用自然语言搭建具备企业知识、工具调用与实时语音交互的智能体，支持prompt与workflow配置，面向客服、外呼等场景。

所谓ASR/TTS，白话就是「听写成字」和「字读成声」；实时交互则要求边听边说、低延迟。CosyVoice Studio的野心是把这三件事和「整理成可用文档」「搭成可打电话的Agent」绑在同一工作台，而不是让用户在五六个工具间来回导出。

即日起可在iOS、Android、Mac与Windows应用商店搜索「CosyVoice」下载，平台称不限量免费使用；CosyAgent与CosyCreative目前以白名单邀请制面向企业测试，计划近期全面开放，详情见CosyVoice Studio官网。

对产业观察者，这条信息的价值在于「模型能力产品化」：语音不再只卖API计费点，而是以键盘、纪要、创作与Agent搭建组成完整工作台。下一观察点是企业白名单何时转全量，以及声纹分离、长录音转写在嘈杂会议室里的稳定性——免费下载换来的是习惯，还是只换来一波试用截图，要看企业功能开放之后的留存与误识别投诉。