アリババは本日、国内初のワンストップAI音声生産性プラットフォーム「CosyVoice Studio」を発表しました。
公式発表によると、同プラットフォームは自社開発の音声モデル「Qwen-Audio」を基盤に構築され、音声記録「CosyFlow」、音声エージェント「CosyAgent」、音声コンテンツ制作ツール「CosyCreative」などの機能を備えています。
ユーザーはiOS、Android、Mac、Windowsのアプリストアで「CosyVoice」を検索してダウンロードでき、期間限定で無料体験できます。「CosyAgent」と「CosyCreative」は現在、ホワイトリストによる招待制で企業ユーザー向けにテストされており、近日中に全面開放される予定です。
「CosyVoice Studio」の機能は以下のとおりです。
音声記録機能は、音声からテキストへの変換をベースに、意味理解とテキスト生成の機能を追加しています。日常の場面では、「あの」「えーと」などの口語的なフィラーを自動的に除去し、断片的な考えを分かりやすい表現に整理します。仕事の場面では、話すだけでメール、業務報告、議事録の形式や文面を生成できます。
「随記」機能を内蔵し、会議、インタビュー、授業などの場面に対応。リアルタイム録音とオフラインでのアップロードをサポートします。声紋に基づいて発言者を区別し、録音終了後には構造化された章立てとスマート要約を自動生成します。
「CosyAgent」は、自然言語を使って、企業知識、ツール呼び出し、リアルタイム音声インタラクションに対応したエージェントを迅速に作成できます。promptとworkflowによる設定にも対応し、スマートカスタマーサービスやテレマーケティングなどの場面を想定しています。
「CosyCreative」には1,000種類以上の音声が内蔵され、ボイスクローンにも対応しています。生成される音声は非常に人間らしい仕上がりです。ユーザーは文書やウェブページのリンクをアップロードするか、テキストを入力するだけで、対話形式のポッドキャストや複数キャラクターによるオーディオブックを生成でき、音声コンテンツ制作の全工程をカバーします。
