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”。用户可以自由口述，生成礼貌端庄的书面文字。用于打字输入消息、做会议记录、发邮件等文字输入需求。产品搭载千问大模型，有macOS客户端，手机App。

CosyVoice主要功能

智能语音转录：智能实时转写语音文本，转写过程自动删除“嗯”“啊”“那个”等发声词汇和口语停顿词，所见即所得，输出文本清爽干净。
结构化内容生成：区分口头流畅通顺内容结构中的要点条目，自动整理成目标编号、表格式或提纲结构条目，清晰有序。
自我更正编辑：能自动识别口语自我修辞“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 能直接生成写有署名、致词、结束语的完整邮件、会议请柬、vlog（视频blog）等脚本。
数字与公式标准化：口播中的“三点五八亿”“百分之十二点六”自动还原为“3.58 亿”“12.6%”，可捕捉公式表达并补齐符号，可适应金融、科研、媒体等行业场景。
方言与多语种识别：可实现上海话、广东话、四川话等各种方言的识别，同时方言语音自动翻译转换为标准普通话。

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，不用靠敲键输入。
专业写作：金融、科学、媒体行业等专业性写作，文档中数字、公式、百分比文字自动标准化等。
跨地区团队协作：识别口音方言自动转换成口译普通话形式，解决跨地域沟通工作记录问题等。
内容创作：口述生成 vlog 脚本、文案初稿等。

CosyVoice AI语音输入法竞品对比

对比维度	CosyVoice (阿里)	千问输入法 (阿里)	豆包输入法 (字节)	搜狗输入法 (腾讯)	Typeless
核心定位	纯语音高效输入，全场景口述一键成稿	千问App的语音输入组件	独立大模型语音输入法	集成腾讯元宝大模型的老牌输入法	macOS专属轻量语音输入工具
核心优势	自动过滤口语、语义关联整理、支持修正指令	语料规整、总结排版能力强	识别速度最快、全场景稳定	用户基数大、无感过渡、准确率98%	专注高效、菜单栏即用
平台覆盖	macOS、iOS、安卓	macOS	macOS、手机端	macOS、Windows、手机	macOS 专属
方言支持	上海话、粤语、四川话等	—	表现最好	22种方言、轻声场景97%准确率	—
中英混输	—	准确率高	—	流畅	准确率高
价格模式	限免体验	免费	免费	免费	收费模式，免费额度有限

CosyVoice怎么使用？

访问官网并下载安装：打开浏览器访问CosyVoice官网。选择与你的设备匹配的版本，macOS用户下载桌面版客户端，手机用户（iOS/Android）手机应用商店搜索“CosyVoice”下载 App。
注册登录并开通权限：打开后，使用手机号或者淘宝账号登录，第一次打开需要打开指引逐步打开文本粘贴、麦克风、录屏等权限，都打开最好，以便到时候不用打开授权自己细找记录打断操作。
设置唤醒方式：脑里设置唤醒快捷键，默认是 Fn 键，手机设置：按照 App 自行设置手机的设置项中语音输入切换为 CosyVoice。
开始语音输入：电脑端在任意文本框中，按下快捷键（如 Fn）开始说话，说完再按快捷键结束，先播放语音再自动转成文字填到当前文本框中。手机端在任意输入框上方唤出 CosyVoice 键盘，在按键中间的语音录按钮上面点击开始口述，再点击结束收音并转写文字。也可以长按麦克风按钮或点击任意按钮上的小球收音。
语音改稿与指令成稿（进阶功能）：语音改稿先选中已有文本，再按快捷键口述修改指令（如“改成周四”），将指令完成修改。指令成稿直接说指令（如“给我写一段邮件的正式字眼”），CosyVoice 可生成一系列用指意对应称谓、问候、签名等字眼在内的邮件或会议邀请。
优化识别效果（可选）：对于小众的”专有词”如：自媒体上的个人化“ID”、行业的行话等，可在热词中手动输入自己的专用词，在模型转写的时候优先识别，降低同音误识别。

本文由AI辅助及新媒派人工进行整理修改，核心信息来源于 [CosyVoice官网链接：https://cosyvoice.org.cn/]