通义听悟智能纪要 Agent 基于语音识别和大语言模型，对会议、访谈、课堂等场景下的实时或离线录音进行智能总结分析。
产品优势
高精度语音识别
能够将实时音频流或音视频文件中的语音转写成文字，支持中文、英文、粤语、日语、韩语、德语、法语、俄语的转写及实时双向互译。
转写结果可返回段落、句子划分和词级别的起止时间，用于对应字幕展示。
大模型全面加持
支持章节速览、大模型摘要总结（全文摘要、发言总结、要点回顾、思维导图）、要点提炼（关键词、待办事项、场景识别）、PPT提取及摘要、口语书面化、自定义prompt等功能。
应用场景
面向企业智慧办公、教育培训、金融、媒体等业务场景。
计费规则
音视频（按时长计费）
模型 | 功能 | 是否可选 | 标准价格 |
ASR |
| 二选一即可 | 0.6元/小时 |
大模型 |
| 分别可选，各项能力按照处理的音视频时长，独立计费。 使用多个能力和多个Prompt时，叠加计费（如使用关键词和章节速览，计费为0.064+0.064=0.128元/小时）。 | 0.064元/小时 |
多模态 |
| 可选 | 0.64元/小时 |
翻译 |
| 可选 | 4元/小时 0.5元/小时 |
纯文本处理
0.95元/千次
说明
根据输入文本量统计，输入内容每150个tokens计为1次，不满150个也计为1次。（如：输入文字=400个tokens，则计为3次。）
该文章对您有帮助吗？