Le site CoinWorld rapporte :
En l'espace de trois jours, Alibaba a lancé deux nouveaux produits vocaux. Le 7 août, le CosyVoice Studio a été présenté ; le 10 août, la plateforme ouverte Qianwen a été mise en ligne. Bien qu'il s'agisse toutes deux d'interfaces vocales, leurs objectifs sont complètement différents : le premier se concentre sur la création de contenu et d'outils basés sur la voix, tandis que le second vise à intégrer directement des services tiers dans les conversations.
L'un gère la production, l'autre assure la livraison des services aux utilisateurs. La question pour les développeurs est de savoir par où commencer, et la réponse se trouve dans cette répartition des tâches.
CosyVoice Studio : transformer la voix en résultats livrables
CosyVoice Studio intègre la reconnaissance vocale, la synthèse vocale et l'interaction vocale en temps réel, couvrant trois types de scénarios : « écouter, créer, discuter ». Il ne se contente pas de fournir un ensemble d'interfaces de modèles, mais intègre également des flux de travail courants directement dans la plateforme.
Alibaba le qualifie de "première plateforme de productivité vocale AI en Chine". Au-delà de cette affirmation marketing, les changements dans le produit sont clairs : auparavant, la reconnaissance, le résumé et la synthèse étaient souvent dispersés dans différents outils, et les développeurs devaient gérer eux-mêmes le format, le contexte et l'ordre d'appel ; le Studio relie ces étapes en un processus répétable, et l'utilisateur reçoit désormais un résultat proche du produit fini plutôt qu'un simple retour de modèle.
Par exemple, lors d'une démonstration de CosyCreative, l'utilisateur a introduit le texte d'un épisode de "Geek Morning" dans le système, et après quelques réglages simples, la plateforme a d'abord généré un résumé de contenu, puis l'a converti en audio. L'ensemble du processus prend environ une minute. Les étapes de résumé, de voix off et de montage qui nécessitaient auparavant plusieurs étapes ont été condensées sur une seule page.
La plateforme se divise actuellement en trois axes : CosyFlow pour l'efficacité personnelle, CosyCreative pour la production de contenu et la création sonore, et CosyAgent pour les agents intelligents d'entreprise. Cette classification est pragmatique : les utilisateurs individuels peuvent traiter directement le contenu, tandis que les entreprises peuvent intégrer des agents vocaux dans leurs bases de connaissances, systèmes d'affaires et flux de travail.
Les trois lignes de produits correspondent également à trois types de scénarios de paiement et d'utilisation différents. Les utilisateurs individuels se concentrent sur l'économie de temps pour organiser, enregistrer et écouter ; les équipes de contenu se préoccupent de la réutilisation stable de la production sonore ; les clients d'entreprise doivent considérer si les autorisations, les bases de connaissances et les systèmes de processus peuvent être interconnectés. L'effet vocal n'est qu'un point de départ, et la plateforme se mesure finalement à la capacité de maintenir l'ensemble de la chaîne de travail en fonctionnement.
CosyAgent illustre encore mieux le positionnement de ce produit. Ici, la voix n'est pas seulement un moyen d'entrée. Une fois que le système comprend le besoin, il doit également mobiliser les capacités existantes de l'entreprise pour réaliser les opérations suivantes. La capacité à s'intégrer à des affaires réelles est la ligne de démarcation entre cet outil et les outils vocaux ordinaires.
L'intégration des entreprises est également beaucoup plus complexe qu'une simple démonstration de produit. La mise à jour du contenu de la base de connaissances, la stabilité des retours du système d'affaires et la gestion des exceptions dans le flux de travail affectent tous l'utilisabilité finale. Le Studio regroupe les points d'entrée de développement sur une seule plateforme, ce qui peut réduire les coûts d'assemblage initiaux, mais pour passer de "pouvant être démontré" à "pouvant être utilisé à long terme", il faut encore compter sur les données et la gouvernance des processus de l'entreprise.
La plateforme ouverte Qianwen : permettre aux services de se réaliser dans la conversation
La plateforme ouverte Qianwen suit une voie différente. Les tiers peuvent créer des agents intelligents AI indépendants, fournissant des services de conseil, de recommandation et d'exécution au sein de l'application Qianwen. Les utilisateurs peuvent accéder à l'espace de conversation correspondant en @mentionnant le service concerné ou en cliquant sur l'icône de point dans le coin supérieur droit.
Auparavant, après avoir reçu des conseils dans une conversation, les utilisateurs devaient souvent passer à une autre application pour effectuer des opérations. Qianwen souhaite garder ce lien dans la conversation. Pour les prestataires de services, les priorités d'intégration changent également : ils doivent non seulement répondre aux questions, mais aussi relier le conseil, la recommandation et l'exécution réelle.
Cela impose des exigences plus élevées aux tiers. Un agent capable de répondre à "quelles sont les options" ne signifie pas qu'il peut gérer les stocks, les commandes, les paiements ou le service après-vente. La plateforme ouverte Qianwen met l'accent sur le passage du conseil à l'exécution, indiquant que ce que la plateforme souhaite prendre en charge n'est pas une simple question-réponse, mais une chaîne de services complète. La capacité des prestataires de services à stabiliser les capacités en arrière-plan déterminera directement l'expérience utilisateur.
L'ouverture ne se limite pas aux téléphones. La plateforme ouverte Qianwen prend également en charge les téléphones, les PC et les lunettes AI, et propose deux modes d'accès Skill et de personnalisation sectorielle pour les lunettes. Les développeurs peuvent personnaliser les Skills en utilisant un langage naturel.
L'exemple officiel indique que les développeurs peuvent appeler la capacité "photographier avec des lunettes" pour créer un Skill "qu'est-ce qu'il y a autour" pour les personnes malvoyantes, afin d'identifier et de signaler les obstacles tels que les seuils et les marches. À ce stade, l'interaction vocale est déjà entrée dans un environnement spécifique, ne se limitant plus à une boîte de questions-réponses sur le téléphone.
Le côté lunettes propose également deux modes d'accès Skill et de personnalisation sectorielle. Le premier réduit la barrière de développement, tandis que le second laisse de la place pour des scénarios sectoriels plus complexes. Une fois que les téléphones, les PC et les lunettes partagent le même point d'entrée de service, un même agent intelligent a la possibilité de poursuivre des tâches à travers les appareils ; mais la précision de reconnaissance, la vitesse de réponse et le traitement de la vie privée seront également plus testés que dans des scénarios de chat ordinaires.
Alibaba a lancé ces deux produits au cours de la même semaine, et la direction est en réalité très claire. CosyVoice Studio résout "comment produire des capacités vocales", tandis que la plateforme ouverte Qianwen résout "comment permettre aux utilisateurs de les utiliser dans la conversation". Le premier est axé sur la production, le second sur la distribution et l'exécution. Les développeurs doivent simplement évaluer quel maillon est actuellement le plus manquant.
Ces deux voies pourraient également converger à l'avenir : les capacités vocales produites par le studio pourraient devenir une partie des agents de service ; les points d'entrée multi-terminaux fournis par Qianwen pourraient également amener ces capacités dans des scénarios plus spécifiques. Pour l'instant, ces deux produits ont chacun leurs priorités. Pour les équipes de contenu, il s'agit d'abord de la qualité de génération et de l'efficacité de production ; pour les prestataires de services, il faut d'abord confirmer si la chaîne d'exécution peut vraiment être réalisée dans la conversation.
Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.





























