專攻語音生產(chǎn)力，通義聽悟深度體驗(yàn)

顏媛媛

你需要通義聽悟嗎

如果你是一名職場人士，通義聽悟可以幫你記錄和回顧你的每一場會議；

如果你是一位學(xué)生朋友，通義聽悟可以讓你不遺漏老師講授的每一個重點(diǎn)；

如果你是一名金融分析師或媒體從業(yè)人員，通義聽悟可以存檔你每一次的調(diào)研訪談；

如果你想以最快的時間看完你最喜愛的視頻博主的直播分享，通義聽悟可以使你以成倍的速度抓住最精彩的內(nèi)容。

根據(jù)阿里云智能首席技術(shù)官周靖人介紹，聽悟集成了阿里最先進(jìn)的語音和語言技術(shù)。其內(nèi)置阿里新一代工業(yè)級語音識別模型，識別準(zhǔn)確率在多個權(quán)威中文數(shù)據(jù)集上名列第一；融合自研語音語義多模態(tài)說話人算法，能對 10 人以上說話場景進(jìn)行角色區(qū)分；接入通義千問大模型后，能夠?qū)ι先f字的音視頻內(nèi)容進(jìn)行摘要總結(jié)，事實(shí)準(zhǔn)確與要點(diǎn)完備性國內(nèi)領(lǐng)先，支持跨多音視頻內(nèi)容的精準(zhǔn)問答理解。

事實(shí)上，通義聽悟的前身是阿里云內(nèi)部一個名為“聽悟”的產(chǎn)品，主要功能包括實(shí)時會議、音頻轉(zhuǎn)寫功能，“聽悟”自2022 年年底就開始小范圍內(nèi)測。而如今，在阿里云通義千問大模型的加持下，通義聽悟成為人們工作學(xué)習(xí)的AI 助手，從會議討論、教學(xué)培訓(xùn)到調(diào)研訪談，通義聽悟都能極大提高人們的工作效率。

自動做筆記、提取PPT、整理訪談“打工人”的好幫手

通義聽悟具有極強(qiáng)的工具屬性，而在看重軟件生產(chǎn)力的辦公領(lǐng)域，能夠幫助“打工人”自動做筆記、提取PPT、整理訪談的通義聽悟一亮相就受到大眾的高度關(guān)注。目前通義聽悟提供小程序和PC 網(wǎng)頁兩個使用途徑，其中，移動端通義聽悟界面設(shè)計(jì)相對簡單，提供“上傳手機(jī)音視頻”“實(shí)時記錄”“權(quán)益加油站”三個選項(xiàng)，通常簡單的會議記錄喜歡用手機(jī)直接做“實(shí)時記錄”，不過遺憾的是通義聽悟建議在PC 端體驗(yàn)更多功能，這意味著手機(jī)端更多的操作還是以“上傳手機(jī)音視頻”為主（如圖1）。

上傳之前，通義聽悟會讓用戶選擇“轉(zhuǎn)寫語言”及是否“區(qū)分發(fā)言人”，提前做好預(yù)設(shè)之后，明顯能更準(zhǔn)確地獲得文字轉(zhuǎn)寫記錄。而在選擇上傳內(nèi)容界面，讓筆者比較驚喜的是除頂部工具條按照“圖片”“音頻”“視頻”“文檔”做了分類，方便用戶選擇本地文件外，用戶還可以打開第三方應(yīng)用提取音視頻文件。

比較有意思的是通義聽悟自身介紹時表示可以打通同阿里云盤的內(nèi)容關(guān)聯(lián)，但在移動版通義聽悟內(nèi)容選擇界面，其加入了“中國移動云盤”這一選項(xiàng)（如圖2）。筆者嘗試點(diǎn)擊“中國移動云盤”后發(fā)現(xiàn)，能很好地識別網(wǎng)盤里面的內(nèi)容，但是無法提取文件。

順帶嘗試了一下“錄音機(jī)”發(fā)現(xiàn)同樣無法提取，而顯示的是系統(tǒng)“錄音機(jī)”功能界面，但即便是錄音無法導(dǎo)入，從測試結(jié)果看，移動版通義聽悟在第三方應(yīng)用兼容上還有待提升。轉(zhuǎn)而嘗試PC 版通義聽悟。

打開通義聽悟官方網(wǎng)站（tingwu.aliyun.com）后，用戶使用手機(jī)號即可登錄。進(jìn)入首界面之后比較直觀的就是“開啟實(shí)時記錄”和“上傳音視頻”兩個選項(xiàng)，點(diǎn)擊“開啟實(shí)時記錄”后即可開始錄音（如圖3）。

在點(diǎn)擊“開始錄音”按鈕以前，用戶可以和移動版一樣選擇“轉(zhuǎn)寫語言”和“翻譯”，點(diǎn)擊“開始錄音”按鍵后，通義聽悟會開始工作。PC 端的通義聽悟在語音編輯這塊帶給筆者極大的驚喜。用戶停止同步錄音后，會跳轉(zhuǎn)到編輯界面。左側(cè)為智能總結(jié)界面，非常清晰地展示“關(guān)鍵詞”“全文概要”等內(nèi)容，用戶也可以手動進(jìn)行編輯（如圖4）。

而在左側(cè)的編輯界面中，用戶可以利用PC 鍵盤進(jìn)行高效編輯，而且還可以直接插入圖片、表格等元素，在功能上完全可以和部分輕辦公的在線文檔一較高低。除了高效編輯功能的搭載外，通義聽悟在頂部快捷工具欄上還設(shè)置了翻譯、高亮標(biāo)注、AI 實(shí)驗(yàn)室等功能。

相對于人們熟悉的高亮標(biāo)注、翻譯功能，AI 實(shí)驗(yàn)室提供“發(fā)言人區(qū)分”“問題回顧”“待辦事項(xiàng)”等細(xì)分功能，開啟這些功能后，智能算法會根據(jù)自己的理解對本次記錄中的內(nèi)容進(jìn)行標(biāo)注與分類。完成一系列操作之后，用戶可以點(diǎn)擊界面左側(cè)邊欄，選擇導(dǎo)出文件，除文字內(nèi)容可以以doc＼pdf＼srt 等多種格式導(dǎo)出外，筆記、音頻文件也可以按用戶需求進(jìn)行導(dǎo)出。除強(qiáng)大的編輯功能外，多人訪談的錄音轉(zhuǎn)文字應(yīng)用也是通義聽悟的一大特色，其能自動根據(jù)語音對文字內(nèi)容進(jìn)行分類，讓用戶能夠?qū)Χ嗳藭h或者電話采訪錄音進(jìn)行高效轉(zhuǎn)錄及整理（如圖5）。

網(wǎng)盤課程轉(zhuǎn)寫、智能生成課堂筆記學(xué)生群體的一對一私教

隨著遠(yuǎn)程教育的發(fā)展，網(wǎng)課資源變得格外豐富，不過動輒數(shù)百小時的視頻課程，雖然直觀生動地對知識點(diǎn)進(jìn)行了講解，可對于中高年級學(xué)生而言，一些難度相對較低的課程，文本形式的內(nèi)容獲取方式更為高效，而較難的內(nèi)容，配合文本概要，同樣能起到事半功倍的效果。

通義聽悟可以實(shí)現(xiàn)學(xué)習(xí)視頻的批量轉(zhuǎn)寫，幫助用戶輕松掌握學(xué)習(xí)秘籍。打開“上傳音視頻”功能，選擇“上傳本地音視頻文件”并上傳，即可生成課程記錄。最棒的還是PC 版通義聽悟打通了同阿里云盤的鏈接，可以選擇“導(dǎo)入阿里云盤文件”并上傳（如圖6）。

初次使用需要用戶先綁定阿里云盤賬號，用戶通過手機(jī)APP 掃碼、賬號密碼或手機(jī)驗(yàn)證碼等多種方式登錄并同意通義聽悟綁定阿里云盤賬號。完成綁定后會彈出文件目錄讓用戶選擇，文字分級菜單讓用戶選擇起來非常方便，而右上角的“音頻”“視頻”兩個選項(xiàng)也為用戶篩選提供了便利。

通義聽悟在內(nèi)容識別整理方面絕對是令人驚喜的，其播放課程視頻，文字與視頻進(jìn)度可以實(shí)現(xiàn)一一對應(yīng)，用戶可以點(diǎn)擊文字跳轉(zhuǎn)進(jìn)度，隨心切換感興趣的內(nèi)容。以左側(cè)工具欄中的“關(guān)鍵詞”為例，用戶點(diǎn)擊相應(yīng)關(guān)鍵詞之后，視頻會滾動到相應(yīng)的部分，而內(nèi)容框也會出現(xiàn)該視頻內(nèi)容的文字翻譯，為用戶提供最詳細(xì)的內(nèi)容拆解。

通義聽悟非常強(qiáng)悍的是它會為用戶總結(jié)全文概要、章節(jié)速覽，方便學(xué)生了解課程要點(diǎn)，回顧講解片段。對于網(wǎng)課學(xué)生而言，這樣的整理能夠?yàn)橛脩艄?jié)省下大量筆記時間，進(jìn)而讓學(xué)生在網(wǎng)課過程中更集中注意力在課程內(nèi)容本身。

除全程記錄課程要點(diǎn)外，通義聽悟更難能可貴的是支持問題回顧。用戶打開通義聽悟?qū)嶒?yàn)室，開啟問題回顧，即可查看課程中的答疑內(nèi)容。

而有了詳細(xì)的原文內(nèi)容之后，用戶就可以在通義聽悟里面進(jìn)行原文內(nèi)容的重點(diǎn)標(biāo)注，讓學(xué)習(xí)和復(fù)習(xí)效率更高。同時，通義聽悟支持中英互譯，在頂部翻譯功能入口，開啟翻譯即可。可以選擇雙語顯示/ 只看譯文。

最受學(xué)生好評的還是筆記整理功能，用戶可以在右側(cè)筆記中，記錄核心知識點(diǎn)，將課程原文一鍵摘取至筆記中。在該功能的加持下，幾小時的課程，往往只需5 分鐘即可完成筆記。而這一系列操作都可以在通義聽悟右側(cè)文本編輯界面中完成，而每完成一個課程的筆記整理后，即可點(diǎn)擊頁面左側(cè)“導(dǎo)出”按鈕，將轉(zhuǎn)寫結(jié)果、筆記等內(nèi)容導(dǎo)出至本地或阿里云盤。你可以選擇需要的文件格式。

公測福利不可少時長和容量都很重要

在語音轉(zhuǎn)文字領(lǐng)域，通義聽悟?qū)儆凇靶氯恕币话愕拇嬖冢幱谕茝V階段的通義聽悟自然會有不少福利讓用戶領(lǐng)取。首先便是時長，畢竟無論是會議記錄還是音視頻內(nèi)容翻譯，動輒數(shù)小時一次的內(nèi)容，需要不少時長話費(fèi)。目前通義聽悟的時長活動主要有三個，分別是“每日登錄通義聽悟，自動獲得2 小時轉(zhuǎn)寫時長”“每邀請1 名好友注冊并登錄通義聽悟賬號，邀請者可獲得2 小時轉(zhuǎn)寫時長”和“輸入口令兌換轉(zhuǎn)寫時長”（如圖7）。

這三個活動中，“輸入口令兌換轉(zhuǎn)寫時長”能夠領(lǐng)取的時長最多，筆者只兌換了兩個口令時長加上日常登錄積累，已經(jīng)積累了快50 小時使用時長了。相對使用時長，比較尷尬的是存儲空間，筆者已經(jīng)綁定阿里云盤的情況下，也就獲得了2GB 的存儲空間，可視頻轉(zhuǎn)錄基本一個視頻就在1GB 上下，相當(dāng)于2 個視頻課程就會容量告急，何況不少在線視頻課程容量都在1GB 以上，而一旦容量使用完成，就沒辦法再進(jìn)行任何轉(zhuǎn)錄操作了（如圖8）。

從筆者的使用經(jīng)驗(yàn)看，一旦通義聽悟有促銷活動出來，用戶一定要將存儲空間放到第一位，只有擴(kuò)大了存儲空間，才能無所顧忌地實(shí)現(xiàn)轉(zhuǎn)錄，否則就需要完成一個視頻的轉(zhuǎn)錄、刪除掉以后再完成下一個。

總體而言，無論工作還是學(xué)習(xí)，通義聽悟表現(xiàn)出的生產(chǎn)力工具屬性都大為讓人驚喜，尤其是筆記整理、問答顯示等使用功能的配備，更讓其成為極優(yōu)秀的“學(xué)伴”！