CosyVoice – 阿里云AI语音输入法 | 全场景口述成文

CosyVoice是什么？

CosyVoice是阿里云推出的一款AI语音输入工具，定位为“新一代AI效率伙伴”。可以自由口述，输出礼貌文雅的书面文字。方便输入文字做文字的消息写作、做会议记录、邮件发件、输入文字等一切文字输入操作要求。产品搭载千问大模型，有macOS客户端，手机App。

CosyVoice官网入口链接：https://cosyvoice.org.cn/

CosyVoice主要功能

• 智能语音转录：实现智能实时转写语音到文本，把出现发言中的“嗯”“啊”“那个”等发音词和口语间的停顿词均自动舍弃，能够智能区分开口头流畅通顺文字结构中的小论段要点，对文字进行自动生成目标整的阿拉伯编号或表式或提纲小条结构排列，清整齐叠。
• 自我更正编辑：能识别口语自我修辞“不对不对”“改成”“我意思是”等，并反映到最终稿里，不留改口记录。
• 意图理解与一键成稿：用户指出“我要这样说写出来一种邮件正式格式”，CosyVoice可直接写出署名、致词、结束语齐全的完整邮件、会议请柬、vlog（视频blog）这样的脚本。
• 数字与公式标准化：口播的“三点五八亿”“百分之十二点六”自动还原成“3.58 亿”“12.6%”，可自动识别公式表达，并补齐符号，可以适合于金融、科研、媒体业等专业或场景。
• 方言与多语种识别：支持上海话、广东话、四川话等各种方言识别，方言语音自动翻译转换成口音“普通话”。

适用场景

• 日常办公沟通：能快速写成消息、发送消息、记录会议、写邮件等工作，不需靠敲键输入。
• 专业写作：金融、科学、媒体等专业化写作，自动专业化文档中的数字、式子、百分比文字等。
• 跨地区团队协作：按口音、方言自动转换成口译上的普通话形式，解决跨地域的交流工作记录问题等。
• 内容创作：口述 vlog 文案、脚本的初稿，出文案等。

CosyVoice AI语音输入法竞品对比 

CosyVoice怎么使用？

1. 访问官网并下载安装：在浏览器打开 CosyVoice 官网。选择适合自己设备的版本，macos 用户需要下载桌面端客户端，手机用户（手机操作 iOS/Android）手机应用商店搜索 CosyVoice 下载 App。
2. 注册登录并开通权限：打开 app 后，进行登录操作，用手机号码或者淘宝账号登录，第一次打开会提示打开引导打开文本粘贴、麦克风、录屏等选项打开都可以，有时候后面用的时候要打开授权自己细找记录打断操作。
3. 设置唤醒方式：电脑里设置唤醒快捷键，键位是默认的 Fn 键，手机设置：自己在 App 里设置手机的设置选项里语音输入改为 CosyVoice 即可。
4. 开始语音输入：电脑端在任意文本框中，摁下快捷键（一般 Fn）说话，说完再摁下快捷键即可结束，先听电脑读出你的语音，然后自动改成文字放到当前文本框中。手机端在任意输入框上方出现 CosyVoice 键盘，鼠标在按键中间的语音录的框上点击开始口述，再点击结束收音，改写字幕。也可长按语音底框按键或者点击任何一个按键上的圆球收音。
5. 语音改稿与指令成稿（进阶功能）：语音改稿先选定一段已有文字，再按快捷键口述修改指令（如“改成周四”）语音在指令完成修改。指令成稿口述指令（如“给我写一段邮件的正式字眼”），CosyVoice 可以生成一串按照指出要的用字手法的称谓、问候、签名之类的邮件或会议请柬等。
6. 优化识别效果（可选）：小众的“专有词”如：自媒体上个人化“ID”、行业行话等，在热词中也可手动输入自己的“专用词”，模型在进行转写时优先输出这样，减少了同音误输出。