6月1日，阿里云宣布通義大模型進展，聚焦音視頻內(nèi)容的AI新品“通義聽悟”正式上線，成為國內(nèi)首個開放公測的大模型應(yīng)用產(chǎn)品。通義聽悟接入了通義千問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，幫助隨時隨地高效完成對音視頻內(nèi)容的轉(zhuǎn)寫、檢索、摘要和整理，比如用大模型自動做筆記、整理訪談、提取PPT等。公測期間，用戶可領(lǐng)取100小時以上聽悟免費轉(zhuǎn)寫時長。

“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，聽悟是一款工作學(xué)習(xí)AI助手，它瞄準具有高知識附加值的音視頻內(nèi)容場景，比如開會、上課、訪談、培訓(xùn)、面試、直播、看視頻、聽播客等，能通過大模型等最新AI技術(shù)快速提煉和沉淀知識。

根據(jù)現(xiàn)場演示，聽悟融合了十多項AI功能，可以全面提升知識從音視頻向圖文形態(tài)轉(zhuǎn)化的效率。除了“聽力好”，能高準確度生成會議記錄、區(qū)分不同發(fā)言人，這個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)全文及每個發(fā)言人觀點、整理關(guān)注重點和待辦事項。大模型一鍵提取PPT、針對多個音視頻內(nèi)容向AI提問、概括特定段落等功能近期也將上線。

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

針對一些細分場景，聽悟還設(shè)置了不少“寶藏功能”：打開Chrome插件，外語學(xué)習(xí)者和聽障人士可以借助雙語懸浮字幕條隨時隨地看無字幕視頻，日程沖突時，聽悟還可成為職場人士的“開會替身”，在靜音情況下入會AI可代為記錄會議、整理要點；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；聽悟梳理的問答回顧可以讓記者、分析師、律師、HR等群體整理訪談更高效。

通義聽悟Chrome插件將在近期對所有用戶開放下載

另一顯著優(yōu)勢是，聽悟與阿里云盤打通，一鍵就能轉(zhuǎn)寫云盤上的音視頻內(nèi)容，公測期間注冊的聽悟用戶后續(xù)還將獲得更大的阿里云盤存儲空間，在云盤內(nèi)在線播放視頻時也可自動出字幕。

通義聽悟支持一鍵導(dǎo)入阿里云盤音視頻文件

周靖人介紹，聽悟集成了阿里最先進的語音和語言技術(shù)。其內(nèi)置阿里新一代工業(yè)級語音識別模型，識別準確率在多個權(quán)威中文數(shù)據(jù)集上名列第一；融合自研語音語義多模態(tài)說話人算法，能對10人以上說話場景進行角色區(qū)分；接入通義千問大模型后，能夠?qū)ι先f字的音視頻內(nèi)容進行摘要總結(jié)，事實準確與要點完備性國內(nèi)領(lǐng)先，支持跨多音視頻內(nèi)容的精準問答理解。

繼史無前例的大降價后，阿里云再次送出人人都能用上的AI“大禮包”。此前國內(nèi)語音廠商AI轉(zhuǎn)寫定價達19．8元每小時，而聽悟用戶可通過每日登陸等多種任務(wù)領(lǐng)取免費轉(zhuǎn)寫時長。公測期間，阿里云官方微博、微信及各大平臺社區(qū)還會發(fā)放大量20小時轉(zhuǎn)寫口令碼，用戶獲得的福利權(quán)益可累加，一年內(nèi)有效，免費時長可高達100小時以上，市場價值上千元。

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

“釘閃記”背后集成通義聽悟