8月2日消息，阿里云通義聽悟上線三大新功能，包括國(guó)內(nèi)音視頻AI領(lǐng)域首創(chuàng)的視頻自動(dòng)提取PPT，以及瀏覽器插件、釘釘和微信小程序。

截自通義大模型官網(wǎng)

今年6月，阿里云首次宣布通義聽悟開放公測(cè)。此次升級(jí)，在原有實(shí)時(shí)記錄、音視頻文件轉(zhuǎn)寫、全文概要、章節(jié)速覽等功能之上，新增“提取PPT”功能。該功能通過引入視覺AI算法，自動(dòng)將PPT講解視頻分割為演示文稿，并對(duì)每頁(yè)P(yáng)PT進(jìn)行要點(diǎn)總結(jié)，形成一份圖文并茂的大綱，解決培訓(xùn)、網(wǎng)課學(xué)習(xí)等場(chǎng)景“求PPT難”的問題。

通義聽悟還增加了瀏覽器插件和移動(dòng)端的支持。用戶開會(huì)、上網(wǎng)課、看直播、看視頻時(shí)，Chrome和Edge瀏覽器插件功能可全程錄制，并實(shí)時(shí)生成雙語(yǔ)字幕，幫助用戶更輕松地瀏覽視頻內(nèi)容。

截自通義大模型官網(wǎng)

在移動(dòng)端，通義聽悟釘釘和微信小程序不僅支持PC端的基礎(chǔ)功能，還可以一鍵轉(zhuǎn)寫手機(jī)和聊天記錄的音視頻文件。

本次新功能上線期間，阿里云繼續(xù)聯(lián)合各大平臺(tái)和社區(qū)推出定制口令碼，用戶根據(jù)口令碼可隨機(jī)抽取20h、30h、66h、88h、100h的免費(fèi)轉(zhuǎn)寫時(shí)長(zhǎng)。通義聽悟集成了阿里云的語(yǔ)音、語(yǔ)言和視覺AI技術(shù)，未來(lái)還將陸續(xù)上線適用于更多場(chǎng)景的新功能。

據(jù)悉，阿里云自2019年啟動(dòng)大模型研發(fā)以來(lái)，通義大模型逐步從單一模態(tài)真正升級(jí)為多模態(tài)大模型。今年4月，阿里云正式推出大語(yǔ)言模型“通義千問”，它能夠響應(yīng)人類以自然語(yǔ)言提出的指令，完成回答問題、創(chuàng)作文字、編寫代碼、角色扮演對(duì)話等各項(xiàng)任務(wù)。

在7月舉行的2023世界人工智能大會(huì)期間，阿里云宣布推出通義大模型家族新成員通義萬(wàn)相，用戶可以在通義萬(wàn)相中輸入提示詞，以輸出相應(yīng)圖像。除文生圖以外，通義萬(wàn)相也推出了包括風(fēng)格遷移、相似圖生成等功能。

截自通義大模型官網(wǎng)

阿里云智能集團(tuán)首席技術(shù)官周靖人在2023世界人工智能大會(huì)透露，通義千問已有累計(jì)超30的申請(qǐng)用戶，超過100家深度共創(chuàng)企業(yè)，而通義聽悟發(fā)布首月已有36萬(wàn)用戶。