阿里云推出音视频AI助手“通义听悟”：可快速提炼知识

新知榜官方账号

2023-07-10 12:48:40

背景

时隔不到两月，“阿里版GPT”又“上新”了。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”开放公测。通义听悟接入了通义千问大模型的理解与摘要能力，能帮助用户完成对音视频内容的转写、检索、摘要和整理。在会后接受媒体群访中，阿里云CTO周靖人表示，在各种企业与行业之间仍有不少基于大模型的新需求，阿里云还在继续探索，接下来会发布一系列新产品服务到各行各业。

产品介绍

“换一种方式，让音视频可以被轻松阅读、整理和分享。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。”阿里云CTO周靖人介绍道。

根据演示，目前听悟已融合了十多项AI功能，可以提升知识从音视频向图文形态转化的效率。除了能高准确度生成会议记录、在10人以上说话场景区分发言人，听悟最具突破性的功能主要发生在音视频领域。南都记者体验发现，听悟可以一秒给音视频划分章节并形成摘要、进行全文总结并提炼出视频中的关键词。同时在点击到相关的文字时，通悟会将视频进度拉到相关文字所属位置，这对于利用短视频获取信息的人群而言，可以压缩不少时间成本，快速定位到自己想要的信息中。

阿里云方透露，听悟的大模型一键提取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于近日上线。目前，听悟用户可通过每日登陆等多种任务领取免费转写时长。除TOC版本外，听悟已开发出企业版，据透露，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。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。阿里云透露未来听悟还将在夸克APP、阿里云盘等端口提供服务。

商业化

在“通义听悟”的商业化模式方面，周靖人在会后接受南方都市报等媒体采访时表示，商业化会在推出增强版的下一阶段时安排，目前产品仍处于免费开放公测的状态。

展望

距离通义大模型的布不到两个月，阿里云快速追加推出“通义听悟”产品，速度之快让人震惊。对此周靖人表示，新产品的推出并不是一蹴而就的，而是有赖于阿里云长期的积累。“如果说今天因为ChatGPT的到来，我们才去做相关的工作，那其实来不及的，我们前期做了很多工作，包括在语音方面的、在多模态上的整个布局，才能够及时推出自己的大模型。”通义听悟技术负责人鄢志杰则介绍了通义听悟的前身。

本页网址：https://www.xinzhibang.net/article_detail-7406.html

寻求报道，请

关键词

分享至微信：

相关工具

Artflow

AI创建生成视频动画

HeyGen

AIGC 视频创建平台，生成吸引人的商业视频

Neurodub

端到端的AI视频语音本地化工具

Lumen5

AI将博客文章转换成视频

Runway

强大的AI视频制作工具，绿幕抠像、视频合成等

奇妙元

AI数字人视频生成平台，由出门问问推出

产品经理必看：一文秒懂数据埋点

产品经理必看：一文秒懂数据埋点随着互联网的发展，数据变得越来越重要。而数据埋点作为数据收集的重要手段，对于产品经理来说显得尤为重要。数据埋点是指在产品中嵌入代码，用于收集用户行为数据的过程。通过对用户行为数据的分析，产品经理可以更好地了解用户需求、优化产品功能，提高产品的用户体验。腾讯大讲堂是一个优

分类标签产品经理数据埋点腾讯大讲堂

12-09 08:04

一帧秒创「AI配音」英语配音，更新啦！

一帧秒创推出28款英文配音，内容丰富一帧秒创最新上线了28款英文配音，用户可以根据自己的需要选择不同类型的配音。这些配音内容非常丰富，涵盖了多种角色、多种场景，无论是商务英语还是日常英语，都可以找到合适的配音。一键配音，轻松转换文字为语音用户只需要把需要配音的文案输入到一帧秒创的“文字转语音”中，就

分类标签 AI配音英文配音文字转语音

10-29 02:17

AI视频爆发！一天10万条，冲进抖音快手小红书

AI视频爆发！一天10万条，冲进抖音快手小红书近几年，随着人工智能技术不断发展，AI视频的应用越来越广泛。据统计，目前全球每天产生的AI视频已经超过10万条，其中不乏一些在抖音、快手、小红书等社交媒体平台上广泛传播。AI视频的兴起，主要得益于人工智能技术在视觉和音频处理方面的不断进步。通过AI技术，

分类标签 AI视频抖音快手小红书

10-25 08:02

自媒体副业赚钱吗？我的自媒体从业经历分享

自媒体副业赚钱吗？我的自媒体从业经历分享作为一名自媒体从业者，我已经工作了四年，从最初的月薪1000元到现在的月收入2万元。很多人都知道我从事自媒体多年，此前也曾尝试将其作为副业，去年辞职后则成为了全职自媒体人。我相信自媒体是普通人增加收入的不错选择，因为它不需要太多物质基础，准入门槛也不高。许多人

分类标签自媒体副业增加收入自媒体从业经历

10-18 02:14

人工智能通过神经生理反应预测听众喜欢的歌曲

近年来，人工智能在音乐领域的应用备受关注。最新研究表明，人工智能可以通过分析听众的神经生理反应来预测他们是否会喜欢某首歌曲。研究人员使用了神经网络技术来模仿人脑，通过测量少数志愿者的大脑活动，成功预测了数百万人是否会喜欢这些歌曲，准确率高达97%。这种AI系统可能对唱片制作人和选秀节目评委的工作构

分类标签人工智能神经生理反应音乐

09-29 17:28

听和听见的区别

听和听见的区别听和听见是两个常用的动词，它们在表达上有一些不同之处。听表示“听”这个动作，不交代是否听见，例如：Listen！Someone is playing the piano.（听！有人在弹钢琴）Please listen to the radio.（请听收音机）如果后边有宾语，就要用lis

分类标签听听见区别

09-19 00:16

Elgato直播设备体验分享

前言近期，身边的老师朋友陆续开始尝试网上教学，向我咨询推荐的直播设备，要求质量高且能够通过笔记本完成。于是我向他们推荐了Elgato的直播设备，这三款产品分别是Wave:3、Facecam和StreamDeckXL，同一品牌的产品可以做到软硬件结合，无论是单品功能还是智联联动，Elgato一直是直播

分类标签 Elgato直播设备Wave:3FacecamStreamDeckXL

09-12 02:20

愚人节整蛊必备App推荐

愚人节整蛊必备App推荐今天愚人节，特意挑选了几款好玩到没朋友的整蛊类App，包括变声、破坏手机屏幕、匿名短消息等，让你的朋友大吃一惊。No.5“VoiceMod”这款App可以将你录下来的声音变成多种外星人效果，如DarkFather，Robote，Exorcist，Megaphone等，让你的朋

分类标签愚人节整蛊App

09-12 02:18

TMT行业要闻：字节跳动招聘芯片工程师，NothingPhone1发布，阿里云推出“百城计划”，腾讯成立政企业务线，联想成立初创企业中心

TMT行业要闻：字节跳动招聘芯片工程师，NothingPhone1发布，阿里云推出“百城计划”，腾讯成立政企业务线，联想成立初创企业中心2022年7月13日，全球TMT行业迎来多项重磅消息。字节跳动被曝大量招聘芯片工程师，NothingPhone1正式发布，阿里云推出“百城计划”，腾讯CSIG成立政

分类标签字节跳动NothingPhone1阿里云腾讯联想TMT

09-12 02:16

iOS变声软件Voicemod让你的电话变得更有趣

iOS变声软件Voicemod让你的电话变得更有趣虽然现在微信和各种聊天软件已经成为了日常沟通的主要手段，这类软件里也出现了很多有趣的衍生，但打电话作为手机的一个基本功能当然不应该被遗忘，正值新年是时候给那些不联系的「熟人」打个电话了！但怎么让打电话这件事变得有意思，特别是在iOS这样一个封闭的平台

分类标签 iOS变声软件Voicemod

09-12 02:14