【大河財立方 記者 楊霄 文圖 實習生 郎潤乾】阿里云推出的AI新品“通義聽悟”，是不是另一個版本“訊飛聽見”？

6月1日，在廣州舉行的“2023年阿里云峰會·粵港澳大灣區”活動上，阿里云正式發布了工作學習AI助手通義聽悟。它是基于通義千問大模型擁有對語言更強的理解力，在開會、上課、訪談、培訓、直播、看視頻、聽播客等音視頻內容場景中，能記、能翻、能存、能劃重點。

【資料圖】

這意味著，在國內智能語音轉寫市場上，阿里云正試圖憑借新應用對科大訊飛既有優勢領域發起正面攻擊，用戶競爭與價格戰已經打響。而AI軟件是否會將智能錄音筆逼到出局？還有待考量。

AI產品戰在音視頻轉寫領域打響

“聽悟”能做線上會議“替身”

近兩年國內科技界AI技術開發熱，在音視頻轉寫領域率先結果。

當日活動現場，阿里云公布通義大模型進展，聚焦音視頻內容的AI新品“通義聽悟”正式上線。其稱，這是國內首個開放公測的大模型應用產品。

與當前市場銷售主流的智能錄音筆不同，阿里云“聽悟”作為一款獨立應用，不需要專業的錄音筆設備硬件做支撐，它可依托各類智能終端工作。換句話說，用戶手邊有什么智能設備均可，如有麥克風收聲硬件支持的手機、平板、PC等。

不過，阿里云新推出的“聽悟”顯然不只達到這個層級，它的核心功夫在于接入了通義千問大模型的理解與摘要能力，從而使它成為用戶工作學習中的得力AI助手，幫助用戶隨時隨地高效完成對音視頻內容的轉寫、檢索、摘要和整理。

例如，一名學生一天上8節課，每天放學后他要用智能錄音筆轉寫老師講述內容，再耗費數小時對翻錄文字糾錯，找到對應課堂重點內容，然后才梳理為課堂“筆記”。但“聽悟”不只是聽清語言內容，而是能聽明白語音后產生自我所“悟”。它超然于錄音筆的價值，是為音視頻劃分章節并形成摘要、總結全文及每個發言人觀點、整理關注重點和待辦事項。更甚者，聽悟還可能成為線上會議的參會“替身”，用戶在靜音情況下，入會AI可代其為全場會議記錄、整理要點，轉寫結果可下載為字幕文件，方便用戶在后期使用。

“換一種方式，讓音視頻可以被輕松閱讀、整理和分享。”阿里云CTO周靖人介紹，聽悟瞄準具有高知識附加值的音視頻內容場景，比如開會、上課、訪談、培訓、面試、直播、看視頻、聽播客等，能通過大模型等最新AI技術快速提煉和沉淀知識。同時，大模型一鍵提取PPT、針對多個音視頻內容向AI提問、概括特定段落等功能，近期也將上線。

另據了解，聽悟除個人版本外，還有企業應用。此前，聽悟企業版已在阿里集團內部被廣泛使用，幫助減少了大量會議記錄和整理的工作，受到職場工作者好評。同時，聽悟的能力也可嵌進各類音視頻平臺，形成實時字幕、智能摘要等，典型應用如釘釘的“釘閃記”背后便集成了聽悟。未來聽悟還將在夸克App、阿里云盤等端口提供服務。

錄音筆不會重蹈BP機覆轍

但AI技術之戰焦點是大模型

阿里云推出“聽悟”，瞄準了科大訊飛在國內智能語音轉寫市場的核心領地。

艾瑞咨詢發布的數據顯示，國內智能語音市場經歷了傳奇版增長的3年，從2019年市場消費規模約77億元，至去年增至159億元，并有望在今年增至215億元。該行業領域的核心競爭主體大抵有三類：以科大訊飛、搜狗為代表的專業智能語音企業，以阿里云、騰訊云為代表的云服務廠商，以網易為代表的專業轉寫或翻譯廠商等。科大訊飛無疑是當前市場最大的利益方，多年前其憑一招“智能錄音筆用戶享終身免費翻錄服務”，收割了記者、分析師、律師、HR、學生等大量市場需求。今天，科大訊飛在智能錄音筆領域的地位無人可及。

不過，阿里云推出“聽悟”的目的，絕不是打敗智能錄音筆，而是與科大訊飛的星火大模型做根本性較量。其聲稱，聽悟是國內首個開放公測的大模型應用產品。

什么是AI大模型？

事實上，國內科技圈對此仍缺少統一的標準定義，多對其作概括與描述。它是指具有數百萬或數十億個參數的深度神經網絡模型，這種模型經過專門的訓練過程，能夠對大規模數據進行復雜的處理和任務處理。AI大模型需占用大量的計算資源、存儲空間、時間和電力等資源來保證它的訓練和部署。而使用AI大模型，則需要數據收集、設計模型、模型訓練和測試，以及部署應用等。因而，AI大模型的競爭是算力、人才和資源的綜合競賽。

非科技圈人士，多對上述內容感覺生硬且燒腦。但任一科技公司創造AI技術的核心方向即是模仿人類，由此理解AI大模型的概念最為直觀。

今年，國內科技界在大模型領域的競爭堪稱急速沸騰。據不完全統計，2月復旦大學發布MOSS；3月清華大學發布ChatGLM-6B、百度發布文心一言；4月阿里云發布通義千問、知乎發布知海圖AI；5月，科大訊飛發布星火、騰訊發布混元、360發布360GPT。此外，還有傳聞中京東研發的犀利、華為研發的盤古NLP模型。5月31日，百度創始人李彥宏宣布啟動“文心杯”創業大賽，設立規模10億元投資基金支持生成式AI領域初創企業。

由此來看，阿里云在4月官宣的推出大語言模型“通義千問”，今日推出“聽悟”，相當于它先造好樹干，后生成樹杈。未來，它在“通義千問”樹干上會培育樹杈B、樹杈C，至樹杈N。不過，阿里云推出AI產品“聽悟”切入國內智能語音轉寫市場，是其早有該領域技術積累。

5年前，消費者所見最直觀的產品是智能音箱，如天貓精靈等，只不過相比當年技術系統完成了根本性迭代。而這，或相當于手機從模擬機變成了智能機。但另需看到，“聽悟”是在手機、平板等智能終端使用，其硬件條件決定了它無法擊敗中高檔錄音筆的專業收聲質量。所以，錄音筆或不會重蹈BP機的覆轍，但也會極大擠壓其用戶總量。

如上種種，足見各家科技公司在AI大模型領域的研發較量火熱。觀望后期，各家企業在AI大模型生成的應用產品必將面臨市場化，這無疑是一輪新的競爭熱點。

【文末彩蛋】阿里云“通義聽悟”正式公測，聯合大河財立方送100份20小時免費轉寫福利↓↓↓↓

責編:史健 | 審校:李金雨 | 審核:李震 | 監制:萬軍偉