Alibaba lanza dos entradas de voz: una para contenido y otra para servicios

Informe de CoinWorld:

En tres días, Alibaba lanzó dos productos de voz. El 7 de agosto, se presentó CosyVoice Studio; el 10 de agosto, se lanzó la plataforma abierta Qianwen. Aunque ambos son accesos de voz, su enfoque es completamente diferente: el primero se encarga de convertir la capacidad de voz en contenido y herramientas, mientras que el segundo integra servicios de terceros directamente en la conversación.

Uno se ocupa de la producción y el otro de la entrega de servicios al usuario. La respuesta sobre por dónde deben comenzar los desarrolladores se encuentra en esta división de funciones.

CosyVoice Studio: primero convierte la voz en resultados entregables

CosyVoice Studio integra reconocimiento de voz, síntesis de voz e interacción de voz en tiempo real, cubriendo tres tipos de escenarios: "escuchar, crear, charlar". No solo proporciona un conjunto de interfaces de modelo, sino que también incorpora flujos de trabajo comunes directamente en la plataforma.

Alibaba lo llama "la primera plataforma de productividad de voz AI en el país". Dejando de lado este eslogan, los cambios en el producto son claros: anteriormente, el reconocimiento, resumen y síntesis a menudo estaban dispersos en diferentes herramientas, y los desarrolladores tenían que manejar el formato, contexto y orden de llamada por sí mismos; Studio encadena estos pasos en un proceso repetible, y el usuario ya no recibe solo una respuesta de modelo, sino un resultado cercano al producto final.

Por ejemplo, en la demostración de CosyCreative, el usuario introduce el texto de un episodio de "Geek Daily" en el sistema, y después de realizar una configuración simple, la plataforma genera primero un resumen de contenido y luego lo convierte en una narración de voz. Todo el proceso toma aproximadamente un minuto. Los pasos que originalmente requerían resumen, locución y edición se han comprimido en una sola página.

La plataforma actualmente se divide en tres direcciones: CosyFlow se enfoca en la eficiencia personal, CosyCreative se utiliza para la producción de contenido y creación de sonido, y CosyAgent sirve a los agentes empresariales. Esta clasificación es muy práctica: los usuarios individuales pueden manejar contenido directamente, mientras que las empresas pueden integrar el agente de voz en bases de conocimiento, sistemas de negocio y flujos de trabajo.

Las tres líneas de productos también corresponden a tres tipos diferentes de escenarios de pago y uso. Los usuarios individuales valoran el ahorro de tiempo en la organización, registro y escucha; los equipos de contenido se preocupan por la reutilización estable de la producción de sonido; los clientes empresariales deben considerar si los permisos, la base de conocimiento y los sistemas de flujo pueden conectarse. El efecto de voz es solo el punto de partida; la competencia final de la plataforma es si toda la cadena de trabajo puede funcionar de manera continua.

CosyAgent ilustra aún más la posición de este producto. La voz aquí no es solo un método de entrada. Después de que el sistema comprende la necesidad, también debe invocar las capacidades existentes de la empresa para completar las operaciones posteriores. La capacidad de integrarse en un negocio real es la línea divisoria entre esto y las herramientas de voz comunes.

La integración empresarial es mucho más compleja que una demostración de producto. La actualización del contenido de la base de conocimiento, la estabilidad de retorno del sistema de negocio y cómo manejar excepciones en el flujo de trabajo afectan la usabilidad final. Studio agrupa las entradas de desarrollo en una plataforma, lo que puede reducir los costos de ensamblaje inicial, pero para pasar de "puede demostrarse" a "puede usarse a largo plazo", aún depende de los datos y la gobernanza de procesos de la propia empresa.

Plataforma abierta Qianwen: completar servicios dentro de la conversación

La plataforma abierta Qianwen sigue un camino diferente. Los terceros pueden crear agentes inteligentes AI independientes que proporcionen servicios de consulta, recomendación y cumplimiento dentro de la aplicación Qianwen. Los usuarios pueden acceder al espacio de conversación correspondiente a través de @servicio relevante o haciendo clic en el "icono de punto" en la esquina superior derecha.

En el pasado, después de recibir recomendaciones en un chat, los usuarios a menudo tenían que cambiar a otra aplicación para completar la operación. Qianwen espera mantener este enlace dentro de la conversación. Para los proveedores de servicios, el enfoque de integración también cambia: no solo deben responder preguntas, sino también conectar consulta, recomendación y cumplimiento real.

Esto plantea mayores requisitos para los terceros. Un agente que puede responder "¿qué opciones hay?" no necesariamente puede manejar inventarios, pedidos, pagos o servicio postventa. La plataforma abierta Qianwen enfatiza el paso de la consulta al cumplimiento, indicando que lo que la plataforma busca no es simplemente un intercambio de información, sino una cadena de servicio completa. La capacidad de los proveedores de servicios para estabilizar las capacidades de backend determinará directamente la experiencia del usuario.

El alcance de apertura no se limita solo a teléfonos móviles. La plataforma abierta Qianwen también admite teléfonos móviles, PC y gafas AI, y ofrece dos modos de integración de Skill y personalización de la industria para el extremo de las gafas. Los desarrolladores pueden personalizar Skills utilizando lenguaje natural.

El ejemplo oficial menciona que los desarrolladores pueden invocar la capacidad de "tomar fotos con gafas" para crear un Skill de "¿qué hay a mi alrededor?" para personas con discapacidad visual, identificando y advirtiendo sobre obstáculos como escalones y umbrales. En este punto, la interacción de voz ha entrado en un entorno específico, ya no es solo un cuadro de preguntas y respuestas en un teléfono móvil.

El extremo de las gafas también ofrece dos modos de integración de Skill y personalización de la industria. El primero reduce la barrera de entrada para el desarrollo, mientras que el segundo deja espacio para escenarios industriales más complejos. Después de que los teléfonos móviles, PC y gafas compartan la entrada de servicio, el mismo agente tiene la oportunidad de continuar tareas a través de dispositivos; sin embargo, la precisión de reconocimiento, velocidad de respuesta y manejo de privacidad también se pondrán a prueba más que en escenarios de chat comunes.

Alibaba lanzó estos dos productos en la misma semana, y la dirección es bastante clara. CosyVoice Studio resuelve "cómo producir capacidades de voz", mientras que la plataforma abierta Qianwen resuelve "cómo hacer que los usuarios las utilicen en la conversación". El primero se centra en la producción, el segundo en la distribución y cumplimiento. Lo que los desarrolladores necesitan juzgar es simplemente qué es lo que actualmente falta más.

Las dos rutas también podrían converger en el futuro: las capacidades de voz producidas en el estudio pueden convertirse en parte de los agentes de servicio; la entrada multi-terminal proporcionada por Qianwen puede llevar estas capacidades a escenarios más específicos. Por ahora, ambos productos aún tienen sus propios enfoques. Para los equipos de contenido, primero se debe observar la calidad de generación y la eficiencia de producción; para los proveedores de servicios, primero se debe confirmar si la cadena de cumplimiento realmente puede completarse dentro de la conversación.

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.