阿里云通义大模型抢占音视频赛道，CTO周靖人：还要上新
时隔不到两月，“阿里版GPT”又“上新”了。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”开放公测。通义听悟接入了通义千问大模型的理解与摘要能力，能帮助用户完成对音视频内容的转写、检索、摘要和整理。
在会后接受媒体群访中，阿里云CTO周靖人表示，在各种企业与行业之间仍有不少基于大模型的新需求，阿里云还在继续探索，接下来会发布一系列新产品服务到各行各业。
“换一种方式，让音视频可以被轻松阅读、整理和分享。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。”阿里云CTO周靖人介绍道。
根据演示，目前听悟已融合了十多项AI功能，可以提升知识从音视频向图文形态转化的效率。除了能高准确度生成会议记录、在10人以上说话场景区分发言人，听悟最具突破性的功能主要发生在音视频领域。
南都记者体验发现，听悟可以一秒给音视频划分章节并形成摘要、进行全文总结并提炼出视频中的关键词。同时在点击到相关的文字时，通悟会将视频进度拉到相关文字所属位置，这对于利用短视频获取信息的人群而言，可以压缩不少时间成本，快速定位到自己想要的信息中。
阿里云方透露，听悟的大模型一键提取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于近日上线。目前，听悟用户可通过每日登陆等多种任务领取免费转写时长。除TO C版本外，听悟已开发出企业版，据透露，此前听悟企业版已在阿里集团内部被广泛使用，帮助减少了大量会议记录和整理的工作。
听悟的能力也可嵌进各类音视频平台，形成实时字幕、智能摘要等，典型应用如钉钉的“钉闪记”背后便集成了听悟。阿里云透露未来听悟还将在夸克APP、阿里云盘等端口提供服务。
“钉闪记”背后集成通义听悟。
在“通义听悟”的商业化模式方面，周靖人在会后接受南方都市报等媒体采访时表示，商业化会在推出增强版的下一阶段时安排，目前产品仍处于免费开放公测的状态。
距离通义大模型的布不到两个月，阿里云快速追加推出“通义听悟”产品，速度之快让人震惊。对此周靖人表示，新产品的推出并不是一蹴而就的，而是有赖于阿里云长期的积累。“如果说今天因为ChatGPT的到来，我们才去做相关的工作，那其实来不及的，我们前期做了很多工作，包括在语音方面的、在多模态上的整个布局，才能够及时推出自己的大模型。”
通义听悟技术负责人鄢志杰则介绍了通义听悟的前身。通义听悟的早期产品早已被阿里巴巴内部工作人员所应用，场景包括投资部员工到外访谈、HR进行尽职调查等，但他认为，目前推出的通义听悟与之前的产品相比已发生了质变。
“今天可能听悟不一定是工具了，工具是什么呢？人还是支配它的，基本上它不会比你更聪明，也不会比你懂得更多。但是，大模型能力跟工具应用相结合以后，变成今天工作和学习的助手了，助手是什么呢？它是帮助你的，有一些它知道的别的知识甚至你之前没有留意到，你可能会觉得有一些建议还能激发你和启发你。”鄢志杰表示。
周靖人还透露，阿里正在做基于模型一系列产品的创新。目前推出的听悟不是唯一的产品，接下来可以期待基于大模型的其他创新产品。
采写：南都记者 林文琪