阿里云通義千問(wèn)大模型迎新進(jìn)展 “通義聽(tīng)悟”正式公測(cè)聚焦音視頻賽道

    本報(bào)記者 王麗新 見(jiàn)習(xí)記者 陳瀟

    繼史無(wú)前例的大降價(jià)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(huì)·粵港澳大灣區(qū)分會(huì)場(chǎng)，阿里云公布了通義大模型的進(jìn)展，聚焦音視頻內(nèi)容的AI新品“通義聽(tīng)悟”正式上線，成為國(guó)內(nèi)首個(gè)開(kāi)放公測(cè)的大模型應(yīng)用產(chǎn)品。

    圖為阿里云發(fā)布AI新品“通義聽(tīng)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(tīng)悟是一款工作學(xué)習(xí)AI助手，它瞄準(zhǔn)具有高知識(shí)附加值的音視頻內(nèi)容場(chǎng)景，比如開(kāi)會(huì)、上課、訪談、培訓(xùn)、面試、直播、看視頻、聽(tīng)播客等，能通過(guò)大模型等最新AI技術(shù)快速提煉和沉淀知識(shí)。

    據(jù)了解，通義聽(tīng)悟接入了通義千問(wèn)大模型的理解與摘要能力，可高效完成對(duì)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(dòng)做筆記、整理訪談、提取PPT等。

    根據(jù)現(xiàn)場(chǎng)演示，通義聽(tīng)悟可高準(zhǔn)確度生成會(huì)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(gè)發(fā)言人的觀點(diǎn)、整理關(guān)注重點(diǎn)和待辦事項(xiàng)。此外，大模型一鍵提取PPT、針對(duì)多個(gè)音視頻內(nèi)容向AI提問(wèn)、概括特定段落等功能也將于近期上線。

    針對(duì)一些細(xì)分場(chǎng)景，通義聽(tīng)悟還設(shè)置了不少“寶藏功能”：打開(kāi)Chrome插件，外語(yǔ)學(xué)習(xí)者和聽(tīng)障人士可以借助雙語(yǔ)懸浮字幕條隨時(shí)隨地看無(wú)字幕視頻；日程沖突時(shí)，通義聽(tīng)悟還可成為職場(chǎng)人士的“開(kāi)會(huì)替身”，在靜音情況下入會(huì)AI可代為記錄會(huì)議、整理要點(diǎn)；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(tīng)悟梳理的問(wèn)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(tīng)悟另一顯著優(yōu)勢(shì)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(cè)期間注冊(cè)的用戶后續(xù)還將獲得更大的阿里云盤存儲(chǔ)空間，在云盤內(nèi)在線播放視頻時(shí)可自動(dòng)出字幕。

    周靖人介紹，通義聽(tīng)悟集成了阿里最先進(jìn)的語(yǔ)音和語(yǔ)言技術(shù)。其內(nèi)置阿里新一代工業(yè)級(jí)語(yǔ)音識(shí)別模型，識(shí)別準(zhǔn)確率在多個(gè)權(quán)威中文數(shù)據(jù)集上名列第一；融合自研語(yǔ)音語(yǔ)義多模態(tài)說(shuō)話人算法，能對(duì)10人以上說(shuō)話場(chǎng)景進(jìn)行角色區(qū)分；接入通義千問(wèn)大模型后，能夠?qū)ι先f(wàn)字的音視頻內(nèi)容進(jìn)行摘要總結(jié)，事實(shí)準(zhǔn)確性與要點(diǎn)完備性在國(guó)內(nèi)領(lǐng)先，支持跨多音視頻內(nèi)容的精準(zhǔn)問(wèn)答理解。

    值得一提的是，公測(cè)期間，阿里云官方微博、微信及各大平臺(tái)社區(qū)還會(huì)發(fā)放大量20小時(shí)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(fèi)時(shí)長(zhǎng)達(dá)100小時(shí)以上。

    據(jù)了解，通義聽(tīng)悟聽(tīng)悟除個(gè)人版本外，還有企業(yè)級(jí)應(yīng)用。此前，通義聽(tīng)悟企業(yè)版已在阿里集團(tuán)內(nèi)部廣泛使用，幫助使用者減少了大量會(huì)議記錄和整理的工作，廣受好評(píng)。同時(shí)，通義聽(tīng)悟的能力也可嵌進(jìn)各類音視頻平臺(tái)，形成實(shí)時(shí)字幕、智能摘要等，釘釘?shù)?ldquo;釘閃記”就是集成了通義聽(tīng)悟的功能。未來(lái)，通義聽(tīng)悟還將在夸克APP、阿里云盤等端口提供服務(wù)。

（編輯 汪世軍）