アリババが音声モデルを一つのアプリにまとめた——自分で整う書き起こし、ポッドキャストになる文書
アリババは金曜、自社開発のQwen-Audio音声モデルを基盤にしたデスクトップおよびモバイル向けアプリCosyVoice Studioを公開した。構成は三つ。書き起こしたうえで「えー」などのつなぎ言葉を取り除き、メールや報告書、議事録の形に整えるCosyFlow。ツールを呼び出し、企業自身の文書を検索できる音声エージェントを作るCosyAgent。アップロードした文書をポッドキャストやオーディオブックに変えるCosyCreativeである。アプリはiOS、Android、Mac、Windowsで期間限定無料、CosyAgentとCosyCreativeは法人向けの招待制となっている。
なぜ重要か音声はキーボードを使わずにアシスタントへ届く手段になりつつある。今回は認識、音声エージェント、音声制作を、自分で配線しなければならないクラウドAPIではなく、一つの消費者向けアプリとしてまとめた点が要点だ。今週Wan 3.0のベータを開いたときに動画で採った手と同じである。ただし注意も要る。発表資料にあるベンチマーク順位はアリババ自身によるもので、独立した検証は受けていない。
アプリで読む——無料・9言語
関連ニュース
アップル・ミュージックは機械が作った曲を知らせる——ただし、そう申告するかは投稿者しだい2026-08-21Stripeがモデルルーターに75億ドルを払った。その数日後、Rampは自前のものを作り、1月まで無料で配っている。
2026-08-21Metaのアシスタントは画面を読み、どのウィンドウにも文字を打ち込むMacアプリになった。そして見たものはモデルの学習に使われうる
2026-08-21ニュースサイトでの1クリックが「この媒体をもっと見せて」とGoogleに伝えるようになった。しかも読んでいたページから離れずに
2026-08-21Adobeが音楽もナレーションもドアの閉まる音も生成する——しかも権利処理は済んでいるという
2026-08-21