千问输入法APP没等到，阿里云的全新AI输入法先上线了。
《读佳》获知，阿里云推出全新的AI语音输入法“CosyVoice”，这是一款以语音输入为主的智能语音输入法，支持多语种实时转写、方言识别、指令意图理解等功能，产品搭载的是千问大模型。该产品包含macOS版本和APP版本，其中APP版本通过冷启动的方式上线各大应用商店，当前为限免体验，后续可能会有付费服务。
下面带来完整实测体验。
登录进入“CosyVoice”电脑端后，需要设置文本粘贴、麦克风、录屏等权限，这里建议用户全部打开，避免后续使用功能时反复授权打断操作。
最后设置语音输入快捷键“Fn”。单击Fn快捷键，即可进行语音输出。比如在聊天框内想输入“你好，这里是读佳”，可以按一下“Fn”，然后说出这段话，再次按一下“Fn”结束语音输出，语音识别后，会自动转写到聊天框中。
实测过程中也发现一处原生短板：原生词库对小众专属名词、自媒体IP、自创品牌识别准确度不足，同音高频词容易覆盖自定义词汇。像科技媒体“读佳”被误识别为常用词“独家”，出现识别偏差后，需要手动修改或者口述修改，频繁处理专有名词会降低输入效率。
针对该痛点，产品配套上线热词Skill功能，用户能够手动录入各类专属特殊词汇，词条添加保存后，模型转写时会优先匹配自定义热词，从根源减少同音误识别问题，自媒体、行业从业者可以批量导入专属术语、项目名称优化识别效果。
整体看这款语音输入法上手门槛很低，整套操作逻辑简洁直观，不管是日常线上聊天，还是文字创作者批量撰稿，都能适配使用。
除去基础语音文字转写能力，CosyVoice还搭载多项差异化实用功能。
1.智能净化口语冗余内容。CosyVoice在转写过程中自动识别并去除口语化的填充词与重复词。
2.自动结构化整理口述内容。如果语音内容包含分点需求、项目规划、数据对比类口述内容，CosyVoice还会自动识别其中的项目结构，整理成编号列表、表格或层级大纲，输出格式条理清晰，无需手动排版，识别完成后可直接复制发送。
3.支持口语修正自动改写。CosyVoice还能识别口语中的自我修正，比如“不对不对”“改成”“我意思是”，并自动应用到最终稿件，不留改口痕迹。
4.一键生成完整制式文稿。针对写邮件、写会议邀请、写vlog脚本，可以告诉CosyVoice你想要什么格式，它直接给你完成稿，称谓、问候、签名均能实现。
5.数字、公式智能标准化转换。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%”，还能识别公式表达并补齐符号，金融、科研、媒体场景都能直接用。
6.多方言实时转普通话。在测试过程中，还发现“CosyVoice”可以识别上海话、粤语、四川话等多种方言，并能将其转写为标准普通话。比如说出一段上海话后，会自动转成普通话。
同时客户端具备完整数据统计功能，所有历史口述记录自动保存在首页，面板直观展示累计口述时长、总输入字数、平均口述速度，以及语音输入节省的手动打字时间，方便用户直观查看使用效率。
移动端APP核心能力与电脑端完全对齐，仅操作形式存在区分。手机端无需配置快捷键，在系统输入法设置中勾选启用CosyVoice即可全局调用。点击任意输入框唤起键盘，界面中间设有独立语音录制按钮，点击开启口述，再次点击结束转写，文字实时填入输入框；键盘自带撤销、换行功能，左下角切换键可一键切回系统自带或第三方输入法，兼顾语音快速输入与传统打字需求。
最后总结一下：
依托千问大模型加持的CosyVoice，跳出传统输入法文字输入的竞争赛道，主打全场景AI语音录入，兼顾电脑与手机双端适配，覆盖日常闲聊、自媒体创作、办公写稿、专业数据记录、方言采访等多元场景。
虽然原生通用词库对小众专有名词识别存在缺陷，但热词Skill功能补足了这一短板；而自动净化口语、结构化排版、制式文稿生成、方言转写、数字标准化等特色功能，大幅降低了语音转文字后的文稿整理成本，对于高频文字输出人群效率提升显著。
