SkillHub от Tencent превысил 100 тысяч навыков и десять миллионов ежемесячных загрузок благодаря системе оценки TRACE

Компания Alibaba запустила CosyVoice Studio, которую она позиционирует как первую в Китае полнофункциональную платформу для повышения производительности с помощью голоса. Этот продукт объединяет семейство моделей Qwen-Audio Alibaba в единый стек, охватывающий распознавание речи, синтез речи и взаимодействие с голосом в режиме реального времени.

Данная платформа основана на семействе моделей, которое заняло первое место в Индексе преобразования речи в речь для искусственного интеллекта 28 июля, где модель Qwen-Audio-3.0-Realtime показала результат 84,1 процента, лидируя в области голосового рассуждения, производительности агентов и динамики диалога.

Продукт разделен на три функциональных модуля. CosyFlow представляет собой уровень личной эффективности: он преобразует речь, произнесенную в спешке, в структурированный рабочий результат, исключая этап очистки, который требуют традиционные голосовые инструменты. CosyCreative является контентным уровнем: он принимает сценарий или URL-адрес и генерирует готовый аудиоматериал в любом голосе. А модуль CosyAgent предназначен для корпоративного сектора: он позволяет предприятиям интегрировать голосовой интерфейс в уже существующие системы обслуживания клиентов.

Такое разделение отражает три направления коммерциализации голосового ИИ вне чат-ботов.

Стратегическое значение запуска связано с международным ростом спроса на продуктивность, основанную на голосе. Например, американский голосовой клавиатурный сервис Wispr увеличил свою годовую оценку почти втрое за шесть месяцев, достигнув 2 миллиардов долларов, а количество пользователей выросло более чем в сто раз в годовом исчислении. Глобальное финансирование голосового ИИ превысило 7 миллиардов долларов только в первом квартале 2026 года. Параллельно развивается аппаратное обеспечение: голосовые кольца, очки с ИИ и подвески с ИИ стремятся снизить барьер для интеграции повседневной жизни в рабочие процессы ИИ. В американском рынке эталонной реализацией полнофункциональной голосовой платформы стала ElevenLabs. Alibaba считает, что китайский аналог отсутствует, и CosyVoice Studio призван заполнить эту нишу.

Alibaba обладает структурным преимуществом благодаря циклу обучения моделей. CosyVoice Studio не является продуктом, созданным с нуля; это пользовательский интерфейс для семейства моделей, которое подвергалось интенсивной нагрузке от реального производственного трафика в Qwen, DingTalk, Amap и Taobao с 2023 года. Модель Qwen-Audio обучалась на большом объеме данных с шумными китайскими диалектами, и каждый новый релиз проходит цикл обратной связи с пользователями. Именно поэтому данная платформа может быть выпущена сразу, не требуя года пилотных проектов для стабилизации стека.

Интересным аспектом является структура рынка. Голос стал наименее трудоемким способом ввода данных для агента ИИ, и Alibaba позиционирует CosyVoice Studio как маршрутизирующий слой для голосового трафика в Китае. Платформа также представляет собой наиболее чистый пример комплексного подхода Alibaba: собственный проприетарный ИИ, производственная платформа и продукт для разработчиков, выходящие на рынок одновременно. Предыдущая волна победителей в сфере китайского голосового ИИ состояла из инструментов с узкой специализацией. Следующая волна, по мнению компании, будет представлена именно платформами, и Alibaba становится первой крупной китайской технологической компанией, выпустившей такую платформу.

Основатель ByteDance Чжан Имин посетил штаб-квартиру компании в Пекине два недели назад и направил исследовательской команде Seed AI сообщение, которое можно расценить как публичную черту. Чжан заявил команде, что метод дистилляции больше не будет использоваться. Он отметил, что использование более крупной конкурирующей модели для обучения меньшей может быстро повысить показатели бенчмарка, однако это ограничивает долгосрочные технические прорывы. Чжан подчеркнул необходимость создания реального потенциала или прекращения имитации разработки искусственного интеллекта.

Это заявление имеет большое значение, поскольку дистилляция служила неглавной основой волны китайских моделей с открытым исходным кодом на протяжении последних восемнадцати месяцев. Самый экономичный путь к попаданию в топ-десятку OpenRouter заключался в аренде вызовов API от передовой иностранной модели, генерации размеченных корпусов в больших масштабах и последующем обучении меньшей модели на этих данных. Теперь Чжан Имин обратил на это внимание и зафиксировал это в одной из крупнейших исследовательских групп по ИИ в Китае.

Структурные изменения были явно озвучены на общем собрании в середине года 6 августа. Генеральный директор Лян Рубо объявил, что Doubao и Douyin теперь являются двумя главными «толстыми линиями» компании. Doubao перестала быть просто оберткой над моделью; она стала флагманским бизнес-направлением, равным Douyin. Чжао Ци, руководитель продукта Doubao, впервые был повышен до основного стола. Продукты Feishu и Doubao были объединены в единую команду Doubao, а бывший глава Feishu Сие Синь теперь подчиняется Чжао. Volcano Engine и Feishu GTM были объединены в Платформу сервисов креативности под руководством Тан Дай. Это самая крупная реструктуризация B-стороны ByteDance с момента пересмотра BU в 2021 году.

Стратегическая логика претерпела сдвиг. На общем собрании ИИ был представлен как ставка на AGI, а не гонка функций. Лян прямо раскритиковал представление о «китайских инновациях», утверждая, что следующее поколение инфраструктуры производительности будет определяться тем, кто владеет точкой входа агента в предприятие. В последнее время Alibaba консолидировала QoderWork, Wukong и MuleRun в Qwen Office. Tencent поднял свой SkillHub до уровня высшей стратегии. Ответ ByteDance заключается в слиянии Feishu с Doubao и использовании агента как точки входа.

Финансовая логика столь же показательна. Как сообщило LatePost, ежедневный доход Doubao в первой половине года составлял менее миллиона юаней, в то время как ежедневные затраты на вычисления достигали десятков миллионов. Запуск платного уровня Pro в июне по цене 68, 200 и 500 юаней в месяц стал первым коммерческим экспериментом. Запрет Чжана Имина на дистилляцию является долгосрочной версией этого же расчета. Более дешевые модели, которые побеждают благодаря арендованному потенциалу, не могут покрывать расходы на вычисления B-стороны. Для ByteDance ИИ теперь означает создание, а не заимствование.

Долгое время доминирующей научной концепцией среди астрономов было предположение, что поверхность Марса замерзла около трех миллиардов лет назад и оставалась в таком состоянии с тех пор. Согласно этой модели, любая жидкая вода либо оказалась погребенной под поверхностью, либо была потеряна в космос давным-давно.

Однако новый анализ данных, полученных с помощью ровера Zhurong из Китая, ставит под сомнение эту устоявшуюся гипотезу. Исследователи, возглавляемые Цзячэном Лю из Университета Гонконга, повторно изучили собранные Zhurong данные и обнаружили свидетельства, противоречащие прежней теории.

Если интерпретации команды окажутся верными, они указывают на наличие минеральных кристаллов, которые могли сформироваться только в стоячей воде на марсианской поверхности значительно моложе, чем предполагалось ранее. Результаты этого исследования были опубликованы в журнале Nature Astronomy.

Ровер Zhurong приземлился в Плато Утопия (Utopia Planitia), обширной равнине в северном полушарии Марса, в мае 2021 года. В течение 93 дней он собирал данные о марсианской поверхности, прежде чем его миссия была прервана пылевой бурей в 2022 году.

За этот период камеры ровера запечатлели плоские, блестящие камни, выступающие из песка, а его приборы зарегистрировали показания, свидетельствующие о высоком содержании воды в минералах этих камней. Тем не менее, основываясь только на изображениях, исследователям не удалось точно определить минеральный состав этих пород.

Более подробная информация

Если измерения, проведенные командой, окажутся точными, они могут указывать на то, что жидкая вода на поверхности Марса могла сохраняться на сотни миллионов лет дольше, чем предсказывают большинство научных моделей. Поскольку кристаллы селенита способны герметизировать небольшие карманы жидкости, в которой они образовались, они потенциально могут сохранить химическую запись этой древней среды.

По этой причине данная область Плато Утопия может стать важным кандидатом для более детального изучения будущими роверами, которые будут оснащены оборудованием для анализа древних сред, сохраненных внутри кристаллических структур.