速途網(wǎng)6月1日消息（報道：李楠）今日，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，可成為用戶工作學習中的得力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，聽悟是一款工作學習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、面試、直播、看視頻、聽播客等，能通過大模型等最新AI技術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，聽悟還設置了不少“寶藏功能”：打開Chrome插件，外語學習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。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領取免費轉(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。

“釘閃記”背后集成通義聽悟