2023年11月，阿里云在2023云栖大会正式上线通义听悟-工作学习AI助手。
在多媒体时代，人们每天记录、分享和观看大量的音频视频内容，通义听悟通过前沿的语音AI技术，能够准确地将音频视频内容转写为易读的文字。不仅如此，结合通义千问大语言模型的强大理解能力，通过全文摘要、章节速览、发言总结等功能，使用户能够从不同角度“一目十行”地更高效“阅读”音视频内容。随着大模型能力的飞速进步，通义听悟能为用户提供更多先进的能力，帮助用户梳理和挖掘出音视频内容中的信息价值，并将所有的记录和收集都沉淀为知识资产，随时供用户回顾和利用。借助通义听悟，用户可以如实地记录一堂精彩的讲座、一次深度访谈或一场重要会议，它将成为用户身边的智能伙伴，“听”遍所有内容，“悟”得其中深意。
通义听悟以阿里云通义千问大模型为基座，融合了音视频AI技术的功能和优势，拥有领悟理解和融会贯通的能力，全面提升知识从音视频向图文形态转化的效率，包括实时语音识别、音视频语音识别、发言人角色区分、内容规整、章节速览、一键笔记、全文总结、提取PPT等能力，可广泛应用于会议交流、教学培训、调研访谈、音视频理解与问答等领域。
“通义听悟”不仅融合了十多项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，还能高准确度区分不同发言人、生成会议记录，仅需一秒钟即可为音视频划分章节并形成摘要、总结全文及每个发言人的观点、整理关注重点和待办事项。通义听悟的“提取PPT”功能引入视觉AI算法，自动将PPT讲解视频分割为演示文稿，并对每页PPT进行要点总结，形成一份图文并茂的大纲，解决培训、网课学习等场景“求PPT难”的问题。
大受欢迎的通义听悟，背后依托的是阿里云强大的智能计算能力。创立于2009年的阿里云，是全球先进的云计算及人工智能科技公司，为200多个国家和地区的企业、开发者和政府机构提供服务。阿里云致力于让计算成为公共服务，通过提供安全、可靠的计算和数据处理能力，让云计算和人工智能成为普惠科技。
面向AI时代，阿里云以云计算为基础，以模型为中心，以从底层算力到AI平台再到模型服务全栈技术创新，让云计算加速AI浪潮下的产业智能升级。
