阿里云发布音视频AI助手“通义听悟”，聚焦工作学习场景

文/福布斯中国

6月1日，阿里云宣布通义大模型进展，聚焦音视频内容的AI新品“通义听悟”正式上线，成为国内首个开放公测的大模型应用产品。据悉，通义听悟接入了通义千问大模型的理解与摘要能力，可成为用户工作学习中的得力AI助手，帮助随时随地高效完成对音视频内容的转写、检索、摘要和整理，比如用大模型自动做笔记、整理访谈、提取PPT等。公测期间，用户可领取100小时以上听悟免费转写时长。

“换一种方式，让音视频可以被轻松阅读、整理和分享。”阿里云CTO周靖人介绍，听悟是一款工作学习AI助手，它瞄准具有高知识附加值的音视频内容场景，比如开会、上课、访谈、培训、面试、直播、看视频、听播客等，能通过大模型等最新AI技术快速提炼和沉淀知识。

据了解，听悟融合了十多项AI功能，可以全面提升知识从音视频向图文形态转化的效率。除了“听力好”，能高准确度生成会议记录、区分不同发言人，这个AI助手“悟性也极高”，大模型可以一秒给音视频划分章节并形成摘要、总结全文及每个发言人观点、整理关注重点和待办事项。大模型一键提取PPT、针对多个音视频内容向AI提问、概括特定段落等功能近期也将上线。

周靖人介绍，听悟集成了阿里最先进的语音和语言技术。其内置阿里新一代工业级语音识别模型，识别准确率在多个权威中文数据集上名列第一；融合自研语音语义多模态说话人算法，能对10人以上说话场景进行角色区分；接入通义千问大模型后，能够对上万字的音视频内容进行摘要总结，事实准确与要点完备性国内领先，支持跨多音视频内容的精准问答理解。

据了解，听悟除个人版本外，还有企业应用。此前，听悟企业版已在阿里集团内部被广泛使用，帮助减少了大量会议记录和整理的工作，受到好评。同时，听悟的能力也可嵌进各类音视频平台，形成实时字幕、智能摘要等，典型应用如钉钉的“钉闪记”背后便集成了听悟。未来听悟还将在夸克APP、阿里云盘等端口提供服务。

5月23日，微软推出了Windows Copilot（智能副驾），类似于在Windows 11中加入一个AI助手，可以帮助用户完成内容摘要、重写、解释等各种任务。同时，近期微软联合创始人比尔・盖茨也表示了对AI助理的看好。

随着ChatGPT火爆，全球各大科技公司都非常重视大模型技术的布局。从近期的态势来看，大模型正在从底层技术和平台向应用拓展，尤其是学习工作已成为最早落地的场景之一。同时，面对生成式AI的迅猛发展，人工智能到底是取代“打工人”，还是助力提升工作效率，依旧是个争议性的话题。