讀創/深圳商報記者 陳姝
#6月1日，阿里雲宣布通義大模型進展，聚焦音視頻內容的AI新品「通義聽悟」正式上線，成為國內首個開放公測的大模型應用產品。
通義聽悟存取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容的轉寫、檢索、摘要和整理，例如用大模型自動做筆記、整理訪談、擷取PPT等。公測期間，用戶可領取100小時以上聽悟免費轉寫時長。
「換個方式，讓音視頻可以被輕鬆閱讀、整理和分享。」阿里雲CTO週靖人介紹，聽悟是一款工作學習AI助手，它瞄準具有高知識附加價值的音視頻內容場景，如開會、上課、訪談、培訓、面試、直播、看影片、聽播客等，能透過大模型等最新AI技術快速提煉和沈澱知識。
[caption id="attachment_3846381" align="alignnone" width="1000"]
通義聽悟可自動為音視頻產生全文摘要、章節概括、發言總結[/caption]
聽悟展示了現場演示，其中包含十多項人工智慧功能，可以全面提高從音視頻轉化為圖文形式的知識轉移效率。除了“聽力好”，能高準確度生成會議記錄、區分不同發言人，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並形成摘要、總結全文及每個發言人觀點、整理關注重點和待辦事項。近期即將推出大模型，其中包括一鍵提取PPT、對多個音視頻內容進行AI提問和概括特定段落等功能。
[caption id="attachment_3846394" align="alignnone" width="736"]
通義聽悟Chrome外掛程式將在近期對所有使用者開放下載[/caption]
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藉助雙語懸浮字幕條隨時隨地看無字幕視頻，日程衝突時，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；轉寫結果可下載為字幕文件，方便新媒體從業者視頻後期製作；聽悟梳理的問答回顧可以讓記者、分析師、律師、HR等團體整理訪談更有效率。
聽悟與阿里雲盤打通，一鍵就能轉寫雲盤上的音視頻內容，公測期間註冊的聽悟用戶後續還將獲得更大的阿里雲盤存儲空間，在雲盤內在線播放影片時也可自動出字幕。
週靖人介紹，聽悟整合了阿里最先進的語音和語言技術。其內建阿里新一代工業級語音辨識模型，辨識準確率在多個權威中文資料集上名列第一；融合自研語音語義多模態說話人演算法，能對10人以上說話場景進行角色區分；接通通義千問大模型後，能夠對上萬字的音視頻內容進行摘要總結，事實準確與要點完備性國內領先，支持跨多音視頻內容的精準問答理解。
審讀：譚錄崗
以上是【原創】用大模型自動做筆記、提取PPT、整理訪談 阿里雲AI新產品「通義聽悟」開放公測的詳細內容。更多資訊請關注PHP中文網其他相關文章！
