(相关资料图)
【亿邦原创】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 " 上线公测。
通义听悟接入了通义千问大模型的理解与摘要能力，可以帮助随时随地完成对音视频内容的转写、检索、摘要和整理。比如用大模型自动做笔记、整理访谈、提取 PPT 等。公测期间，用户可领取 100 小时以上听悟免费转写时长。
" 换一种方式，让音视频可以被轻松阅读、整理和分享。" 阿里云 CTO 周靖人介绍。
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。听悟融合了十多项 AI 功能，可以全面提升知识从音视频向图文形态转化的效率。
除了 " 听力好 "，能高准确度生成会议记录、区分不同发言人，大模型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。据介绍，听悟内置阿里新一代工业级语音识别模型 Paraformer，这个模型是非自回归端到端语音识别模型，在推理效率上较传统模型，最高可以提升 10 倍。Paraformer 是阿里达摩院去年 12 月发布的下一代 " 杀手锏 " 级别的语音识别基础模型。它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。同时，Paraformer 使用长达数万小时、覆盖丰富场景的超大规模工业数据集进行训练，进一步提升了识别准确率。
目前，阿里团队已推出了多款重磅语音识别模型，包括首次将识别准确率提升至 96% 的 DFSMN 模型、E2E-ASR 端到端语音识别技术等。
亿邦动力获悉，阿里云团队基于大模型一键提取 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上线。
标签：
