動察Beatingのモニタリングによると、Alibaba CloudはmacOSクライアントおよびHuawei、Xiaomi、vivoなどのモバイルアプリストアで、新しいAI音声入力方式「CosyVoice」をコールドスタートで正式リリースしました。現在は期間限定で無料体験が可能です。この入力方式の名称はAlibabaの音声大規模モデル「CosyVoice」に由来し、基盤には通義千問(Tongyi Qianwen)大規模モデルを搭載して意味解析を行い、全シーンでの音声入力を実現します。
入力方式のインターフェースは非常にシンプルで、削除、改行、@、スペースの4つの物理キーのみを残し、文字入力時にはシステムキーボードに切り替える必要があります。通義千問大規模モデルの理解能力に基づき、音声入力は「えーっと」「あのー」などの口語的なフィラーワードを自動で除去し、「違う、こう変更して」といった口頭での修正も認識できます。また、並列内容を自動で番号リストや表に整理するほか、上海語、広東語、四川語などの方言をリアルタイムで標準中国語に変換し、専門用語を手動でインポートできるホットワード機能も備えています。
クライアントの両端で機能に違いがあり、macOS版では「映像認識強化」機能が独占的に搭載されています。これを有効にすると、音声入力時にシステムが自動でスクリーンショットを撮りアップロードし、画面のコンテキストを考慮してより正確な意味転写を提供しますが、プライバシーとのバランスが課題となります。横断的に比較すると、CosyVoiceは初期の反復段階にあり、エコシステムの統合や安定性においてWeChatや豆包(Doubao)の入力方式にはまだ及ばず、転写時に口語表現が過度に除去される問題も存在します。