阿里云音视频AI助手“通义听悟”能力升级

孩砸

阿里云工作学习人工智能（AI）助手“通义听悟”发佈多项新功能，包括上线音视频问答助手，基于纪录内容回答用户查询，并可一键跳转回顾原文。用户还可以针对超长网课、会议等音视频内容提问，利用AI能力总结知识点、将口语化表达润色成书面表达，并制作可视化脑图等。

音视频承载讯息密集，但查找、回顾与提炼信息十分耗时。阿里云“通义听悟”产品负责人杨帆表示，作为一款工作学习AI助手，“通义听悟”希望能够让高知识附加值的音视频被轻鬆阅读、整理和分享。

“通义听悟”此次推出的音视频问答助手“小悟”可以根据纪录内容，回答用户提问的相关话题。“小悟”支持单个纪录，多个纪录和多种语言自由问答，并提供原文位置，用户可以一键跳转回顾。用户还可以请“小悟”整理金句、梳理结论、整理会议纪要。

此外，根据用户需求，“通义听悟”还上线了一键AI改写以及生成思维导图的功能。一键AI改写可以将口语化表达的内容在保持原意的基础上，快速转化成更具逻辑性、规范性和可读性的书面格式，尤其适合整理会议和採访内容。而脑图则是通过AI以逻辑的方式可视化内容，还可以导出多种格式，方便保存和分享，还能帮助激发用户灵感，拓展思维。

今次“通义听悟”新功能发佈，背后是一系列的技术提升。作为AI音视频产品，“通义听悟”通过优化複杂多语言理解和多模态检索、长篇内容建模理解、个性化指令生成和动态意图检索增强，提升了精准内容定位、高效问题引导、订制化摘要与高质量答案回覆等综合能力，从而提升用户体验。

依託“通义千问”大模型，于去年6月升级的“通义听悟”专注音视频实时文本转写，并能精准、高效地理解和分析多媒体内容，助力个人与企业提升工作和学习效率。“通义听悟”音频语言目前支持识别普通话、粤语、英语和日语，翻译支持中文、英文和日语，韩语预计于4月初上线。支持转写单个文档时长最高达6小时。

“通义听悟”目前累积服务用户数量超过百万，来自各行各业，包括学生、教师、白领、媒体、金融分析师等。活跃用户日均转写音视频3次以上，平均每天处理字符数约20亿字。企业和开发者可以通过“通义听悟”API集成其AI能力，应用场景包括企业办公、在线教育、金融服务和新闻媒体等。

“通义听悟”融合了10多项AI能力，包括转写、翻译、发言人角色分离、全文摘要、章节速览、发言总结、PPT提取等，并支持标重点、记笔记，大幅提高从音视频提取知识的效率。