热门资讯

通义听悟聚焦于音视频内容的工作学习AI助手

业界作者：宝娟 2023-07-14 00:56:31

通义听悟是阿里云通义家族新成员，是一款聚焦于音视频内容的工作学习AI助手。它可以帮助用户快速、准确、智能地转写、检索、摘要和整理音视频内容，让用户在工作和学习中更加高效和便捷。

通义听悟是基于阿里云通义千问大模型开发的，它可以利用深度学习和自然语言处理等技术，实现对音视频内容的语义理解和结构化提炼，从而生成高质量的文字记录和内容概要。

通义听悟的主要功能包括：

实时会议：用户可以通过通义听悟参与线上会议，实时获取会议转写、翻译、摘要等信息，方便跟进会议进展和记录会议内容。

音频转写：用户可以上传音频文件或录制音频，通义听悟可以快速将音频内容转换为文字，并智能区分不同的发言者，支持多种语言和方言。

视频转写：用户可以上传视频文件或录制视频，通义听悟可以快速将视频内容转换为文字，并智能提取视频中的PPT、图片等元素，支持多种语言和方言。

内容检索：用户可以通过关键词或语音搜索音视频内容，通义听悟可以精准定位到相关的片段，并显示对应的文字和时间戳，方便用户快速找到所需信息。

内容摘要：用户可以通过通义听悟获取音视频内容的全文概要、章节速览、发言总结等高阶AI功能，帮助用户快速掌握核心内容和重点信息。

特色功能

自动提取PPT：通义听悟可以智能识别视频中的PPT或图片，并自动提取出来，生成可下载的PDF文件，方便用户查看和保存。此外，通义听悟还可以将PPT或图片中的文字进行OCR识别，并与视频转写进行关联，实现同步展示和检索。

自动做笔记：通义听悟可以根据音视频内容的语义结构和逻辑关系，自动生成笔记文档，并按照标题、正文、列表等格式进行排版。用户还可以在笔记文档中添加自己的批注或备注，并与音视频内容进行同步。

自动翻译：通义听悟可以支持多种语言和方言的音视频转写，并提供实时的多语言翻译功能。用户可以根据自己的需要，选择不同的语言版本查看转写或摘要，并与原始语言进行对比。

自动摘要：通义听悟可以根据音视频内容的主题和重点，自动生成全文概要、章节速览、发言总结等高阶AI功能，帮助用户快速掌握核心内容和重点信息。用户还可以根据自己的需求，调整摘要的长度和粒度。

产品价格

通义听悟目前处于公测阶段，公测期（2023年6月1日至30日）用户可免费体验所有AI功能，包括全文概要、章节速览、发言总结等高阶AI功能。公测期结束后，通义听悟将根据不同的功能和服务，提供不同的计费方式。

通义听悟还提供了多种优惠活动和套餐服务，具体如下：

每日登录通义听悟，自动获得2小时转写时长；

每邀请1名好友注册并登录通义听悟账号，邀请者可获得2小时转写时长；

输入口令即可获得额外的转写时长；

购买通义听悟的月度或年度套餐，可享受更低的单价和更多的赠送时长。

常见问题

问题一：通义听悟支持哪些语言和方言？

答：通义听悟目前支持中文普通话、英文、日文、韩文、法文、德文、西班牙文、俄文等8种语言，以及中文粤语、四川话、河南话等3种方言。未来还将陆续增加更多语言和方言的支持。

问题二：通义听悟对音视频文件的格式和大小有什么要求？

答：通义听悟支持常见的音频格式（如mp3、wav、m4a等）和视频格式（如mp4、mov、avi等），并且可以自动识别文件中的语言。通义听悟对音视频文件的大小没有限制，但是上传文件的速度会受到网络环境和文件大小的影响。建议用户尽量选择清晰度较高、背景噪音较低的音视频文件，以提高转写和摘要的质量。

问题三：通义听悟如何保障用户数据的安全和隐私？

答：通义听悟非常重视用户数据的安全和隐私，所有用户上传的音视频文件和生成的文字记录和内容概要都会进行加密存储，并且不会用于任何其他用途。