আলি বাবা আজ দেশের প্রথম এক-স্টপ AI ভয়েস প্রোডাক্টিভিটি প্ল্যাটফর্ম CosyVoice Studio চালুর ঘোষণা দিয়েছে।
কর্তৃপক্ষ জানিয়েছে, প্ল্যাটফর্মটি আলির নিজস্ব ভয়েস মডেল Qwen-Audio-এর ওপর তৈরি। এতে ভয়েস রেকর্ডিং CosyFlow, ভয়েস এজেন্ট CosyAgent এবং অডিও কনটেন্ট তৈরির টুল CosyCreative-সহ বিভিন্ন ফিচার রয়েছে।
ব্যবহারকারীরা iOS, Android, Mac এবং Windows অ্যাপ স্টোরে “CosyVoice” সার্চ করে ডাউনলোড করতে পারবেন এবং সীমিত সময়ের জন্য বিনামূল্যে ব্যবহার করতে পারবেন। CosyAgent ও CosyCreative বর্তমানে আমন্ত্রণভিত্তিক হোয়াইটলিস্টের মাধ্যমে ব্যবসায়িক ব্যবহারকারীদের জন্য পরীক্ষামূলকভাবে উন্মুক্ত; শিগগিরই এগুলো সবার জন্য উন্মুক্ত করা হবে।
CosyVoice Studio-এর ফিচারগুলো হলো:
ভয়েস রেকর্ডিংয়ে ভয়েস-টু-টেক্সটের সঙ্গে যুক্ত হয়েছে অর্থবোধক বিশ্লেষণ ও টেক্সট তৈরির সক্ষমতা। দৈনন্দিন ব্যবহারে এটি স্বয়ংক্রিয়ভাবে “ওই”, “উম” ইত্যাদি কথ্য ফিলার শব্দ বাদ দিয়ে বিচ্ছিন্ন ভাবনাগুলোকে সুস্পষ্ট বক্তব্যে সাজিয়ে দেয়; কর্মক্ষেত্রে শুধু বলে গেলেই ইমেইল, কাজের প্রতিবেদন ও সভার কার্যবিবরণীর কাঠামো এবং ভাষা তৈরি করা যায়।
অন্তর্নির্মিত “নোট” ফিচারটি সভা, সাক্ষাৎকার ও ক্লাসের মতো পরিস্থিতির জন্য তৈরি। এতে রিয়েল-টাইম রেকর্ডিং এবং অফলাইন আপলোড সমর্থিত। ভয়েসপ্রিন্টের ভিত্তিতে বিভিন্ন বক্তাকে শনাক্ত করা যায়, আর রেকর্ডিং শেষ হলে স্বয়ংক্রিয়ভাবে কাঠামোবদ্ধ অধ্যায় ও বুদ্ধিমান সারাংশ তৈরি হয়।
CosyAgent প্রাকৃতিক ভাষার মাধ্যমে দ্রুত এমন এজেন্ট তৈরি করতে পারে, যাতে প্রতিষ্ঠানের জ্ঞানভাণ্ডার, টুল কল এবং রিয়েল-টাইম ভয়েস ইন্টারঅ্যাকশনের সক্ষমতা থাকে। এটি prompt ও workflow কনফিগারেশনও সমর্থন করে এবং বুদ্ধিমান গ্রাহকসেবা, টেলিফোন বিপণনসহ বিভিন্ন ক্ষেত্রে ব্যবহার করা যায়।
CosyCreative-এ এক হাজারেরও বেশি ভয়েস রয়েছে এবং এটি ভয়েস ক্লোনিং সমর্থন করে। তৈরি করা ভয়েসগুলো মানুষের কণ্ঠের অত্যন্ত কাছাকাছি। ব্যবহারকারীরা নথি, ওয়েব পেজের লিংক আপলোড বা টেক্সট输入 করলেই কথোপকথনধর্মী পডকাস্ট কিংবা একাধিক চরিত্রের অডিওবুক তৈরি করতে পারবেন। অডিও কনটেন্ট তৈরির পুরো প্রক্রিয়াই এতে সমর্থিত।
