音视频AI助手通义听悟升级：6小时超长视频自由问，能润色口语会做脑图
智东西
作者 | ZeR0
编辑 | 漠影
智东西3月19日报道，阿里大模型产品“通义听悟”今日发布多项新功能。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。
此外，针对学习科研场景对AI工具的强烈需求，通义听悟推出“高校公益计划”，向所有中国大陆高校师生直接赠送价值数千元的500小时音视频转写时长。
一、超长音视频自由提问，AI秒速总结知识点、润色口语、做脑图
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谈道，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。
本次升级，通义听悟上新了六大功能点。其中包括音视频问答助手“小悟”，关键信息可以直接“问”出来。
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。
用户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，或直接要求小悟整理金句、梳理结论、写会议纪要，也可以在首页针对所有记录提问，支持一次性扫描理解上百条音视频内容。
如果花式对英文视频用中文提问，小悟能直接给出中文回答，省去翻译。小悟还会智能推荐问题。
针对用户需求，通义听悟上线了一键AI改写、思维导图生成等新能力。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。
产品细节体验同样进一步升级，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。
二、推出“高校公益计划”，邮箱认证即可得500小时免费时长
学生和科研群体对AI新工具有普遍需求，但目前音视频AI转写工具普遍收费，或仅提供如每月1小时的少量免费时长。
通义听悟推出“高校公益计划”，推动AI算力普惠。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。
按目前市面上语音厂商9.9元每小时的折扣价，这一教育福利价值数千元。
通义听悟能听、能看、能读，还能实现速览加精。杨帆介绍说，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”。
结语：累计已有上百万用户，每天处理字符数约20亿字
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。
如今，通义听悟多项功能上新，为用户快速整理音视频纪要、完成内容查找等常见任务提供了进一步提高生产力的好用利器。