【CNMO 科技消息】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。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。

阿里巴巴

技术底座：Qwen-Audio 斩获三项全球第一

CosyVoice Studio 的技术核心是阿里自研语音模型 Qwen-Audio。在全球权威 AI 评测平台 Artificial Analysis 上，该模型斩获语音识别（ASR）、实时交互（RealTime）和语音合成（TTS）三个赛道的全球第一。语音正在成为 AI 时代人机交互的核心界面——随着大模型能力成熟，用户越来越自然地选择语音对话而非文字输入。CosyVoice Studio 将阿里的语音模型能力第一次以聚合产品的形态对外开放：企业用户可在平台上直接体验效果，再按需调用 API，个人用户也能直接使用。

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 "。

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。