阿里通义听悟产品负责人杨帆介绍通义听悟历程
3月19日，阿里大模型产品“通义听悟”发布多项新功能。据了解，音视频问答助手“小悟”上线，在业界首次实现单记录、跨记录、多语言自由问，支持对单个最长6小时、一次性上百条音视频的内容理解问答，用户可对超长音视频随心提问，让AI总结任意知识点。
音视频承载了密集的信息内容，但因涉及多模态理解、自然语言处理、搜索等多项复杂技术，长期以来内容查找难、回顾难、提炼难。阿里通义听悟产品负责人杨帆介绍，通义听悟为这一需求而生。“作为一款工作学习AI助手，通义听悟希望让高知识附加值的音视频被轻松阅读、整理和分享。”
通义听悟接入通义千问大模型，融合了十多项AI功能，包括转写、翻译、角色分离、全文摘要、章节速览、发言总结、PPT提取等，并支持标重点、记笔记。
通义听悟表示，本次升级上新了六大功能点，最值得关注的是音视频问答助手“小悟”，可以直接“问”出关键信息。小悟通过多语言Query处理、长篇章文本理解、指令演化框架优化及检索增强生成算法，在业内首次实现对超长音视频的单记录、跨记录、多语言自由问答，支持内容问答的音视频时长和文件数均突破业界上限。
此外，用户不仅可在单一记录页呼唤小悟，对最高6小时、6G大小的音视频提问任何相关话题，或直接要求小悟要求整理金句、梳理结论、写会议纪要；更可在首页针对用户所有记录提问，支持一次性扫描理解上百条音视频内容；也可花式对英文视频用中文提问，小悟将直接给出中文回答，省去翻译，小悟还会智能推荐问题。
随时唤起“小悟”课代表
针对用户需求，通义听悟还上线了一键AI改写、思维导图生成等新能力。例如，一键AI改写，将口语转为书面表达，尤其适合整理采访；思维导图自动生成，最多支持五级xmind脑图，适合播客摘要。产品细节体验也进一步升级，包括笔记支持一键插入视频时间戳及截图、音视频文件语种自动识别等。
通义听悟思维导图示例
值得注意的是，针对学生和科研群体对AI新工具的普遍需求，通义听悟推出“高校公益计划”，所有中国大陆高校师生通过后缀edu.cn的教育邮箱进行认证后，均可直接获赠500小时转写时长，存储空间从20G拓展至200G。
杨帆介绍，调研中发现约一半用户是学生，他们活跃度相当高，后台每天收到大量私信“求时长”。
有的同学上课、开组会“无时无刻不听悟”；有的用通义听悟两倍速上网课备考；有的每天在“发现”栏目中阅读数十档播客节目，“获取最前沿新鲜的观点内容”。
通义听悟称，作为国内首个开放公测的大模型产品，去年6月发布以来，通义听悟累计已有上百万用户，包括学生、老师、白领、记者、律师、金融分析师等群体，活跃用户日均转写音视频3次以上，平台每天处理字符数约20亿字。
2024GET教育科技大会（春）
4月27-28日 ·北京
大会亮点
2 天主论坛 + 展位
44 位行业领军嘉宾
聚焦展示 AI 大模型、智能硬件等前沿科技赋能教育的最新成果