6月1日，阿里云宣布通義大模型進(jìn)展，聚焦音視頻內(nèi)容的AI新品“通義聽(tīng)悟”正式上線，成為國(guó)內(nèi)首個(gè)開放公測(cè)的大模型應(yīng)用產(chǎn)品。通義聽(tīng)悟接入了通義千問(wèn)大模型的理解與摘要能力，可成為用戶工作學(xué)習(xí)中的得力AI助手，幫助隨時(shí)隨地高效完成對(duì)音視頻內(nèi)容的轉(zhuǎn)寫、檢索、摘要和整理，比如用大模型自動(dòng)做筆記、整理訪談、提取PPT等。公測(cè)期間，用戶可領(lǐng)取100小時(shí)以上聽(tīng)悟免費(fèi)轉(zhuǎn)寫時(shí)長(zhǎng)。

“換一種方式，讓音視頻可以被輕松閱讀、整理和分享。”阿里云CTO周靖人介紹，聽(tīng)悟是一款工作學(xué)習(xí)AI助手，它瞄準(zhǔn)具有高知識(shí)附加值的音視頻內(nèi)容場(chǎng)景，比如開會(huì)、上課、訪談、培訓(xùn)、面試、直播、看視頻、聽(tīng)播客等，能通過(guò)大模型等最新AI技術(shù)快速提煉和沉淀知識(shí)。

根據(jù)現(xiàn)場(chǎng)演示，聽(tīng)悟融合了十多項(xiàng)AI功能，可以全面提升知識(shí)從音視頻向圖文形態(tài)轉(zhuǎn)化的效率。除了“聽(tīng)力好”，能高準(zhǔn)確度生成會(huì)議記錄、區(qū)分不同發(fā)言人，這個(gè)AI助手“悟性也極高”，大模型可以一秒給音視頻劃分章節(jié)并形成摘要、總結(jié)全文及每個(gè)發(fā)言人觀點(diǎn)、整理關(guān)注重點(diǎn)和待辦事項(xiàng)。大模型一鍵提取PPT、針對(duì)多個(gè)音視頻內(nèi)容向AI提問(wèn)、概括特定段落等功能近期也將上線。

通義聽(tīng)悟可自動(dòng)為音視頻生成全文摘要、章節(jié)概括、發(fā)言總結(jié)

針對(duì)一些細(xì)分場(chǎng)景，聽(tīng)悟還設(shè)置了不少“寶藏功能”：打開Chrome插件，外語(yǔ)學(xué)習(xí)者和聽(tīng)障人士可以借助雙語(yǔ)懸浮字幕條隨時(shí)隨地看無(wú)字幕視頻，日程沖突時(shí)，聽(tīng)悟還可成為職場(chǎng)人士的“開會(huì)替身”，在靜音情況下入會(huì)AI可代為記錄會(huì)議、整理要點(diǎn)；轉(zhuǎn)寫結(jié)果可下載為字幕文件，方便新媒體從業(yè)者視頻后期制作；聽(tīng)悟梳理的問(wèn)答回顧可以讓記者、分析師、律師、HR等群體整理訪談更高效。

通義聽(tīng)悟Chrome插件將在近期對(duì)所有用戶開放下載

另一顯著優(yōu)勢(shì)是，聽(tīng)悟與阿里云盤打通，一鍵就能轉(zhuǎn)寫云盤上的音視頻內(nèi)容，公測(cè)期間注冊(cè)的聽(tīng)悟用戶后續(xù)還將獲得更大的阿里云盤存儲(chǔ)空間，在云盤內(nèi)在線播放視頻時(shí)也可自動(dòng)出字幕。

通義聽(tīng)悟支持一鍵導(dǎo)入阿里云盤音視頻文件

周靖人介紹，聽(tīng)悟集成了阿里最先進(jìn)的語(yǔ)音和語(yǔ)言技術(shù)。其內(nèi)置阿里新一代工業(yè)級(jí)語(yǔ)音識(shí)別模型，識(shí)別準(zhǔn)確率在多個(gè)權(quán)威中文數(shù)據(jù)集上名列第一；融合自研語(yǔ)音語(yǔ)義多模態(tài)說(shuō)話人算法，能對(duì)10人以上說(shuō)話場(chǎng)景進(jìn)行角色區(qū)分；接入通義千問(wèn)大模型后，能夠?qū)ι先f(wàn)字的音視頻內(nèi)容進(jìn)行摘要總結(jié)，事實(shí)準(zhǔn)確與要點(diǎn)完備性國(guó)內(nèi)領(lǐng)先，支持跨多音視頻內(nèi)容的精準(zhǔn)問(wèn)答理解。

繼史無(wú)前例的大降價(jià)后，阿里云再次送出人人都能用上的AI“大禮包”。此前國(guó)內(nèi)語(yǔ)音廠商AI轉(zhuǎn)寫定價(jià)達(dá)19．8元每小時(shí)，而聽(tīng)悟用戶可通過(guò)每日登陸等多種任務(wù)領(lǐng)取免費(fèi)轉(zhuǎn)寫時(shí)長(zhǎng)。公測(cè)期間，阿里云官方微博、微信及各大平臺(tái)社區(qū)還會(huì)發(fā)放大量20小時(shí)轉(zhuǎn)寫口令碼，用戶獲得的福利權(quán)益可累加，一年內(nèi)有效，免費(fèi)時(shí)長(zhǎng)可高達(dá)100小時(shí)以上，市場(chǎng)價(jià)值上千元。

據(jù)了解，聽(tīng)悟除個(gè)人版本外，還有企業(yè)應(yīng)用。此前，聽(tīng)悟企業(yè)版已在阿里集團(tuán)內(nèi)部被廣泛使用，幫助減少了大量會(huì)議記錄和整理的工作，受到好評(píng)。同時(shí)，聽(tīng)悟的能力也可嵌進(jìn)各類音視頻平臺(tái)，形成實(shí)時(shí)字幕、智能摘要等，典型應(yīng)用如釘釘?shù)摹搬旈W記”背后便集成了聽(tīng)悟。未來(lái)聽(tīng)悟還將在夸克APP、阿里云盤等端口提供服務(wù)。

“釘閃記”背后集成通義聽(tīng)悟