通义听悟的最新产品动态和相关文档_工作学习 AI 助手通义听悟-阿里云帮助中心

本文介绍通义听悟产品功能的最新动态和相关文档。

2024年3月26日

功能名称	功能说明
AI模型能力升级	新增支持大模型提炼思维导图的能力，最多4级深度。支持2万字以内的导图生成（约80分钟音频）

2024年3月22日

功能名称	功能说明
文本翻译功能升级	支持中、英、日、韩语间的双向互译。

2024年3月13日

价格调整，原先所有AI能力统一计费，分解为实际使用的能力才会计费（大模型能力调用多个时，会叠加计费，如：同时调用全文摘要和章节速览的费用为：0.4+0.4=0.8元/小时）。

同时费用进一步下降。

2024年2月22日

大模型能力全面升级；英文和中英混与中文能力对齐；实时多语种和离线兼容性；并提高服务稳定性。

功能名称	功能说明
大模型版本升级	全文摘要、章节速览、发言总结三项大模型功能，返回字数上限从250字，增加到1000个字。减少内容遗漏、描述更加详尽。
完善英文大模型能力	英文支持问答提取、场景识别、口语书面化。中英自由说支持全文概要、章节速览、发言总结、待办事项、问答提取
实时增加韩语	支持韩语语种识别和中韩互译
音视频转写升级	新增格式： ○ 音频：aiff格式。 ○ 视频：avi、mpeg、3gp、ogg。修正音视频时长不准确的问题。
基础性能	提升服务稳定性。

2024年1月8日

通义听悟API服务升级，开放通义千问大模型提供的口语书面化功能。

功能名称	功能说明
口语书面化	能够将音视频的语音转写结果进行原文改写和润色，便于形成书面化的语音转写结果。

2023年11月8日

通义听悟API服务升级，开放通义千问大模型提供的摘要、智能纪要、PPT抽取和总结的功能。同时优化了API调用方式，对接成本更小。

功能名称	功能说明
章节速览	能够将音视频内容按主题进行章节切分。并总结章节标题与摘要。
全文摘要	对全部内容，进行摘要总结。
发言总结	在会议中往往有多人的讨论。通义听悟能够区分发言人、帮你总结出每个人不同的观点。发言总结功能可以把谁在会议中表达了什么清晰的整理、呈现出来。
问答摘要	会议中的一问一答往往包含着非常关键和重要的信息。通义听悟的问题回顾功能，能够将会议进程中的提问定位并抽取出来，将大家讨论过的问题一一罗列。
视频PPT抽取和总结	可将视频中呈现的PPT进行识别和提取，同时对每页PPT演讲的内容进行摘要总结。帮助获取视频PPT的资料，并快速理解对应的内容。
模型能力升级	关键词与待办事项提取，升级为大模型。提炼更加聚焦。

2023年6月1日

通义听悟全面开启公测。公测期用户可体验所有AI功能，含全文概要、章节速览、发言总结等高阶AI功能。通过阿里云主账号登录，可享受以下权益：

每日登录通义听悟，自动获得转写时长。同时扩大存储与剩余时长上限。
每邀请1名好友注册并登录通义听悟账号，邀请者可获得额外转写时长。
输入口令即可获得额外的转写时长。
通义听悟绑定阿里云盘账号，共享云盘超大存储空间。

功能名称	功能说明
实时记录	在任何需要记录的场合，可打开"实时记录"功能，记录会议、培训、访谈等场景的对话信息。语音识别会把内容精准的转换为文字。
多语言翻译	会议中哪怕有来自外国的参会人也不是问题，通义听悟的翻译能力能够将内容进行实时多语言翻译，从而帮助所有人理解掌握会议内容。
问题回顾	会议中的一问一答往往包含着非常关键和重要的信息。通义听悟的问题回顾功能，能够将会议进程中的提问定位并抽取出来，将大家讨论过的问题一一罗列。
发言总结	在会议中往往有多人的讨论。通义听悟能够区分发言人、帮你总结出每个人不同的观点。发言总结功能可以把谁在会议中表达了什么清晰的整理、呈现出来。
本地上传&云盘导入	通过“上传音视频”功能可对已录制好的音频视频文件进行理解分析。通义听悟已经与阿里云盘打通，存储在阿里云盘中的音频视频内容都可以导入通义听悟进行AI的分析和理解。
全文概要	通过大语言模型强大的理解能力，提炼出忠实于原文的摘要，全文概要用两三百字的篇幅将最重要的信息呈现在你的面前。
章节速览	如果你还想进一步深入了解内容细节，通义听悟会将这段音频视频按时间线分割成章节，向你呈现每一个章节的中心思想和主要内容。通义听悟全新的体验让“一目十行”的“阅读”音视频成为现实。

2023年3月14日

功能分类	功能名称	功能描述	更新类型	文档链接
实时记录接口	实时接口	支持8k单通道音频流	新增	实时记录
通义听悟界面服务	通义听悟网站及微信小程序	上线网站与微信小程序（微信搜索通义听悟）手机号注册个人账号注册、签到、邀请好友等可赠送转写时长支持实时记录和音视频文件记录、区分发言人、智能提取关键信息分享记录并邀请好友注册收藏和文件夹管理	新增	通义听悟页面服务

2023年2月8日

功能分类	功能名称	功能描述	更新类型	文档链接
音视频文件记录	实时接口	支持实时会议翻译，翻译目标语言为中文、英文或中文+英文会中可随时开关翻译功能	新增	音视频文件记录

2022年12月12日

功能分类	功能名称	功能描述	更新类型	文档链接
音视频文件记录	实时接口	音频采样率：新增支持8K	新增	音视频文件记录

2022年10月25日

功能分类	功能名称	功能描述	更新类型	文档链接
实时记录	实时接口	支持的输入格式：PCM（无压缩的PCM或WAV文件）、16 bit采样位数、单声道（mono）。支持的音频采样率：16000 Hz。支持设置返回结果：是否返回中间识别结果。支持设置多语言识别：中文、英文、粤语、中英文自由说。支持设置同步音频转码：转码为比特率128kb/s的mp3格式音频，准实时写入的指定OSS。支持设置会后纪要智能提取：是否开启有效音频片断检测，是否开启会中识别结果保存，智能提取关键词、关键句、小议题、待办事项。	新增	实时记录
音视频文件记录	实时接口	支持的音频格式：mp3、wav、m4a、wma、aac、ogg、amr、flac、mp4。文件大小不超过4GB。音频时长不超过4小时。音频采样率不低于16K。需要识别的录音文件必须存放在用户托管到听悟的OSS Bucket上。支持的调用方式：轮询方式和回调方式。支持设置多语言识别：中文、英文、粤语、中英文自由说。	新增	音视频文件记录
控制台配置	控制台界面	开通服务、设置权限策略、创建项目、测试效果	新增	快速入门