重要会议来不及做笔记？不如找一个AI做你的开会替身。自动做笔记，一键总结关键词，还可以自动总结每个人的发言。即使中途出去一下，也不用担心错过任何内容。
自今年4月阿里云发布大模型通义千问之后，首个接入并开放公测的应用产品来了。昨天，阿里云宣布AI新品“通义听悟”正式上线。简单地说，“通义听悟”是一个音视频内容的工作学习AI助手。接入了通义千问大模型的理解与摘要能力后，无论是开会、上课、访谈、培训、面试，还是看直播、看视频、听播客，“通义听悟”都能随时随地高效完成对音视频内容的转写、检索、摘要和整理。
自动做笔记，长视频1秒出总结
(资料图片仅供参考)
事半功倍的AI助手来了
说到会议或访谈，很多人会使用将录音或视频转写成文字的转写工具。和传统的转写工作相比，融合了十几项AI功能的听悟最大的不同是“听力好”“悟性高”。
比如开会时，AI可以实时记录会议内容，高准确度生成会议记录。还可以一秒给音视频划分章节并形成摘要、总结全文及每个发言人观点，整理关注重点和待办事项。
如果日程冲突时，听悟还可成为你的“开会替身”。在静音情况下入会，AI可以代为记录会议、整理要点；转写结果可以下载为字幕文件等。
除了开会场景，平时工作时，打字打累了，AI可以成为你的偷懒神器。通过口述，AI就能实时记录和整理长段内容。
出国旅游时，又变成一部口袋翻译机。目前听悟支持中、英、粤语识别，中文与英文之间自由说与实时翻译。开着听悟听导游讲解，结束后还可以一键整理景点介绍。
一个长篇视频，想要迅速总结出核心内容是一件很费时费力的事。不过交给听悟，1秒钟就能帮你搞定。同理，对于AI来说，将万字长文缩短至200字概要也是分秒可以做到的事。
听悟还有不少“宝藏功能”。你喜欢看英文纪录片或看直播听Ted，英文基础又不怎么好？打开听悟的Chrome插件，挂在无字幕的视频上就可以实时转录和翻译，在视频下方生成双语悬浮字幕条。可以说对外语学习者或听障人士非常友好。
有了这个功能，上外教课听不懂，随时可以打开听悟瞟字幕。这个功能在近期即将向所有用户开放下载。
近期上线的功能还包括大模型一键提取PPT、针对多个音视频内容向AI提问、概括特定段落等。
总而言之，有了AI的助力，让你的学习或工作事半功倍，非常轻松。
目前，听悟已经和阿里云盘打通。存放在云盘中的音视频内容可以一键转写，在线播放云盘视频时还能自动显示字幕。并且在企业版本中，AI整理后的音视频文件将来还可以在内部快速分享。
“鸡尾酒会问题”和AI
集成了阿里最先进的语音和语言技术
在酒会等嘈杂环境中，同时存在着许多不同声源，比如多个人同时说话的声音、音乐声、反射声等。
这是1953年，英国科学家Colin Cherry提出的语音领域著名的“鸡尾酒会问题”。从相叠加的混合声波中分离出不同说话人的信号，对人类来说并不困难，但对AI来说一直是一个难题。
这次公测，听悟接入了通义千问大模型的摘要及对话能力。具体而言，是以通义千问大模型为基座，融合了研发团队在推理、对话问答等方面的研究成果。比如涉及多人音视频会议的“鸡尾酒会问题”，实际上是多说话人识别的技术。
针对这个难题，阿里团队从多年前开始布局，除了举办挑战赛和业界的专家、学者共同讨论外，团队也产出了具有一定影响力的阶段性研究成果。
阿里云CTO周靖人介绍，听悟集成了阿里最先进的语音和语言技术：内置阿里新一代工业级语音识别模型Paraformer，识别准确率在多个权威中文数据集上名列第一；融合自研语音语义多模态说话人算法，能对10人以上说话场景进行角色区分；接入通义千问大模型后，能够对上万字的音视频内容进行摘要总结，事实准确与要点完备性国内领先，支持跨多音视频内容的精准问答理解。
比如语音识别模型Paraformer，首次在工业级应用层面解决了端到端识别效果与效率兼顾的难题，在推理效率上最高可较传统模型提升10倍。
