Alibaba запустила CosyVoice Studio — первую в Китае полностековую голосовую производительную платформу. Продукт объединяет семейство моделей Alibaba Qwen-Audio в единую платформу, которая в одном стеке охватывает распознавание речи, синтез речи и голосовое взаимодействие в реальном времени. Платформа базируется на семействе, которое возглавило рейтинг Artificial Analysis Speech-to-Speech Index 28 июля: Qwen-Audio-3.0-Realtime набрало 84,1% и лидирует по голосовому рассуждению, производительности агентов и динамике разговора.
Продукт разделен на три модуля. CosyFlow — это уровень личной эффективности: он преобразует срочную речь в структурированный рабочий результат, пропуская этап очистки, который традиционные голосовые инструменты навязывают пользователю. CosyCreative — это контентный слой: он принимает сценарий или URL и создает готовый аудиоактив любым голосом. CosyAgent — это корпоративный уровень: он позволяет бизнесу поставить голосовой интерфейс на существующие стеки обслуживания клиентов. Такое разделение отражает три направления коммерциализации голосового ИИ за пределами чат-бокса.
Стратегический контекст — международный всплеск голосовых производительных решений. Американская голосовая клавиатура Wispr за шесть месяцев почти утроила свою годовую оценку до 2 миллиардов долларов, а число пользователей выросло более чем в сто раз год к году. Глобальное финансирование голосового ИИ только за первый квартал 2026 года превысило 7 миллиардов долларов. Следует и «железо»: голосовые кольца, AI-очки и AI-кулоны — все они пытаются снизить трение при переносе сырой жизни в AI-воркфлоу. ElevenLabs стала эталонной реализацией полностековой голосовой платформы на рынке США. Ставка Alibaba в том, что китайский аналог отсутствует, и CosyVoice Studio — это ее ответ.
Цикл обучения моделей — вот структурное преимущество Alibaba. CosyVoice Studio — это не продукт с чистого листа; это пользовательский интерфейс для семейства моделей, которое с 2023 года «обкатывается» реальным производственным трафиком Qwen, DingTalk, Amap и Taobao. Qwen-Audio обучалось на зашумленных данных китайских диалектов в очень большом масштабе, и каждый новый релиз получает обратную связь от пользователей в том же цикле. Именно поэтому единая платформа может выйти на рынок сразу, а не требовать года клиентских пилотов для доводки стека.
Структура рынка — интересный вопрос второго порядка. Речь теперь является входной модальностью с наименьшим трением для AI-агента, и Alibaba позиционирует CosyVoice Studio как уровень маршрутизации голосового трафика в Китае. Платформа также представляет собой наиболее чистый срез полностековой игры Alibaba: проприетарная модель, производственная платформа и продукт для разработчиков выходят на рынок одновременно. Предыдущая волна китайских победителей в голосовом ИИ была представлена точечными инструментами. Следующая волна — платформенные решения, и Alibaba — первая крупная китайская технологическая компания, выпустившая такое решение.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
