本報記者 王麗新 見習(xí)記者 陳瀟

    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”。6月1日，在阿里云峰會·粵港澳大灣區(qū)分會場，阿里云公布了通義大模型的進展，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(yīng)用產(chǎn)品。

    圖為阿里云發(fā)布AI新品“通義聽悟”企業(yè)/供圖

    “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，通義聽悟是一款工作學(xué)習(xí)AI助手，它瞄準(zhǔn)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(xùn)、面試、直播、看視頻、聽播客等，能通過大模型等最新AI技術(shù)快速提煉和沉淀知識。

    據(jù)了解，通義聽悟接入了通義千問大模型的理解與摘要能力，可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。

    根據(jù)現(xiàn)場演示，通義聽悟可高準(zhǔn)確度生成會議記錄、區(qū)分不同發(fā)言人，還可以在一秒內(nèi)給音視頻劃分章節(jié)并形成摘要、總結(jié)全文及每個發(fā)言人的觀點、整理關(guān)注重點和待辦事項。此外，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也將于近期上線。

    針對一些細(xì)分場景，通義聽悟還設(shè)置了不少“寶藏功能”：打開Chrome插件，外語學(xué)習(xí)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，通義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；通義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。

    通義聽悟另一顯著優(yōu)勢是，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)在線播放視頻時可自動出字幕。

    周靖人介紹，通義聽悟集成了阿里最先進的語音和語言技術(shù)。其內(nèi)置阿里新一代工業(yè)級語音識別模型，識別準(zhǔn)確率在多個權(quán)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(zhǔn)確性與要點完備性在國內(nèi)領(lǐng)先，支持跨多音視頻內(nèi)容的精準(zhǔn)問答理解。

    值得一提的是，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(quán)益可累加，一年內(nèi)有效，免費時長達100小時以上。

    據(jù)了解，通義聽悟聽悟除個人版本外，還有企業(yè)級應(yīng)用。此前，通義聽悟企業(yè)版已在阿里集團內(nèi)部廣泛使用，幫助使用者減少了大量會議記錄和整理的工作，廣受好評。同時，通義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，釘釘?shù)?ldquo;釘閃記”就是集成了通義聽悟的功能。未來，通義聽悟還將在夸克APP、阿里云盤等端口提供服務(wù)。

（編輯 汪世軍）