Rain科技6月27日消息，阿里正式推出了CosyVoice输入法，目前提供有macOS、iOS、安卓版本，Windows版本稍晚上线。
搭载CosyVoice语音引擎，主打纯语音高效输入，覆盖消息、会议、邮件等各类文字场景，实现用户仅靠口述就能产出得体规范的书面内容。从技术角度看，这一功能的核心在于语音识别与自然语言处理的深度融合，能够有效降低用户在移动办公或快速记录场景下的输入门槛。
拥有完整的智能语音转写能力，转写时可自动过滤“嗯、啊、那个”等口语填充词与重复语句，让输出文本干净简洁。这一特性在实际使用中尤为重要，因为日常口语中充斥着大量冗余词汇，传统语音输入往往需要用户后期手动编辑，而CosyVoice的自动优化机制则显著提升了效率。
面对零散口述内容，系统能够自动识别事项逻辑，整理成编号清单、表格或清晰大纲，大幅降低整理时间。例如，在会议记录场景中，用户只需口述要点，系统即可自动结构化输出，避免了手动归纳的繁琐。
它还支持口语自我更正识别，用户口述中说出“不对、改成”等修正指令时，会自动修改文稿内容，不会留存改口痕迹。这一功能模拟了人类对话中的纠错机制，使得语音输入更加自然流畅，减少了用户反复操作的负担。
依托意图理解能力，仅口述需求指令就能直接生成完整邮件、会议邀约、短视频脚本等成品，自动补齐称谓、问候与落款。从行业趋势来看，这种“一句话成稿”的能力正逐渐成为智能输入法的标配，而CosyVoice在上下文理解和格式生成方面的表现，有望进一步推动办公自动化的普及。
针对专业办公场景，CosyVoice可智能标准化处理口述数字、百分比、计算公式，自动转换为规范数字与公式符号，适配金融、科研、媒体等专业写作需求。例如，在金融报告中，用户口述“百分之三点五”即可自动转为“3.5%”，避免了手动转换可能带来的格式错误。
同时支持上海话、粤语、四川话等多种方言识别，可将方言语音统一转译为标准普通话，解决跨地区沟通记录难题。这一功能对于多方言地区的用户尤为实用，不仅提升了输入法的普适性，也为跨地域协作提供了技术支撑。
