今日, 阿里宣称推出国内首个一站式的AI语音生产力平台, 该平台以其自研语音模型Qwen – Audio予以打造, 此平台整合了语音记录功能、语音智能体功能以及音频创作功能作为三大功能。用户能够直接于应用商店之中搜索并且进行下载, 当前为此提供限时免费体验。

语音记录功能

在传统语音转文字的基础之上, 语音记录功能增添了语义理解以及文本生成能力, 系统会自动将“那个”“嗯”等口语填充词过滤掉；进而, 把零散的想法整理成颇具清晰性的表达。

该功能之中设置有“随记”模式, 此模式是专门针对会议、访谈、课堂等场景而进行设计的。它具备实时录制以及离线上传的支持能力, 并且还能够依据声纹去区分不同的发言人, 在录音结束之后会自动生成结构化的章节以及智能摘要。

语音智能体应用

智能体能力借助语音, 让用户能够凭借自然语言迅速打造出拥有企业知识、工具调用以及实时语音交互本领的智能体, 此功能与现有的配置方式相兼容, 适用于智能客服、电话营销等场景。

一个企业能够借助这个功能去搭建属于自身的语音助手, 以此来处理像是客户咨询、订单查询这类常见问题。智能体具备理解用户意图的能力, 并能够调用内部工具去完成操作, 进而提供实时语音交互体验。

音频创作工具

其音频创作功能之中内置了上千种音色, 具备声音复刻的支持能力, 所生成的音色与真人极为接近, 用户上传文档、网页链接或者进行文字输入, 便能够生成对话播客或者多角色有声书。

这项功能涵盖了音频内容创作的整个链路, 从文本输入开始, 一直到最终音频输出, 过程连贯流畅, 毫无阻碍。创作者能够进行批量内容生成工作, 能极大缩短制作周期, 并且能够降低音频内容的生产成本。

技术模型背景

此平台所依托的是阿里自己研发的语音模型Qwen – Audio来构建, 它属于国内首个专门聚焦于语音生产力的一站式平台范畴。自行研发的模型其优势彰显在能够深度地对语音识别、语义理解以及文本生成的协同效应予以优化。

经大量语音数据训练的Qwen – Audio模型, 在中文语音识别准确率这种情况上突出 表现 着。该模型还对多轮对话理解予以支持, 并且有着上下文关联, 能够把语音里面关键信息确切 捕捉 到。

使用与价格

使用者能够于iOS系统、Mac设备以及应用商店之中搜寻“阿里语音”来进行那个应用的下载, 当前平台在一段规定时间之内开展免费体验这个项目。企业以及团队能够凭借白名单邀请制度去申请测试, 在不远的将来会被全面放开。

平台给出了基础版以及高级版这两种可供选择的类别, 基础版能够达成日常语音记录方面的需求, 高级版则可解锁智能体以及音频创作功能, 在限时免费那段时期之内, 用户能够全面地体验各项功能, 进而评估是不是契合自身所具备的使用场景。

行业影响

国内一站式 AI 语音生产力工具的空白, 因这个平台的推出得以填补。以往而言, 用户得分别运用语音转文字工具, 以及智能客服系统, 还有音频创作软件, 如今呢, 能够在一个平台之上达成全流程操作。

站在企业用户的角度而言, 这所蕴含的意义在于, 能够将语音相关范畴工作所涉及的成本予以大幅度削减。在诸如会议纪要方面, 以及客户沟通事务里, 还有内容创作这种情景下面, 皆能够借助语音工具达成效率的升级, 致使人工处理所需要置身的时间得以减少。

在哪一个工作之中的那种痛点之上计划着去运用这个人工智能语音平台? 欢迎于评论区块当中倾诉你的思绪意向, 要是感应着有所效益的话记得去进行点赞以及给予分享给更多名目的朋友。