又一个基于AI大模型的超级工具开始免费公测了，它就是阿里云在今天宣布的，聚焦音视频内容的AI新品“通义听悟”，它也是国内首个开放公测的大模型应用产品。
据官方报道，“通义听悟”可成为用户工作学习中的得力AI助手，帮助用户随时随地高效完成对音视频内容的转写、检索、摘要和整理，比如自动做笔记、整理访谈、提取PPT等。
“通义听悟”上手实测
在知道这个消息以后，笔者也是很快去体验了一下这个工具，感受就是，简直就是会议神器，摸鱼打工人的福音。
为什么这么说，注意看--
这是B站我最喜欢的up主罗翔老师，他正在分享他关于旅行的意义的观点，我听着正开心呢。
不巧这个时候你被你老板拉着加班。没时间看怎么办，不用慌，“通义听悟”来帮你搞定。
看看，短短一分钟，“通义听悟”就帮你总结好了视频的关键字、全文概要和章节速览，看看这个全文概要：
讲述者分享了自己对旅行和偏见的看法，认为所有的美景都有不如人意的地方，城市并不完美。发言人则分享了自己在留学期间走过许多哲学家走过的路和喜欢看赫尔德林看过的溪水的经历，认为真正的美景往往要付出辛劳才能体会。他们都认为美景的美只是瞬间的，需要经过辛苦的探索才能被感受到。最后，他们引用了自己的一个经历，提醒人们即使生活在有限的世界里，也有可能存在更多美丽的存在。
写的比我的观后感好多了（突然解锁了学生写观后感的神器。。。）
不仅如此，“通义听悟”还把全文的音频转换成了文字，并且配上了解读，妥妥的阅读理解神器一枚！！！
“通义听悟”不仅支持实时的音频记录和转写，还支持离线上传视频，上面的结果就是我本地上传视频生成的，速度非常快，十多分钟的视频，不到一分钟就总结结束了，作为硅基生物的我都羡慕哭了。
除此之外，“通义听悟”还能当作实时字幕翻译来使用，可以中文翻译成英文，也可以反过来。可以说，对于文字工作者来说，实属日常工作新神器了。
“通义听悟”背后的技术
“通义听悟”之所以如此智能，背后的力量正是来自于阿里的大模型——“通义千问”。
“通义千问”是阿里大模型统一品牌，覆盖语言、听觉、多模态等领域，致力于实现接近人类智慧的通用智能，让AI从“单一感官”到“五官全开”。
类似于ChatGPT，通义千问这样的大模型，它们的规模和能力相比于普通人工智能模型来说是巨大的。它们能够完成更加复杂和高级的任务，例如自然语言理解、语音识别、图像识别等，这些任务都需要大量的数据和计算资源才能完成。这些大模型可以被看作是人工智能发展的一次飞跃，它们的出现为我们提供了更加强大的工具和技术来解决一些复杂和具有挑战性的问题。
现在，“通义听悟”正在火热公测中，新注册用户可以自由试用，没有门槛，大家快去体验吧。