3月19日，阿里大模型产品“通义听悟”发布多项新功能。音视频问答助手“小悟”上线。据介绍，通过多语言Query处理、长篇章文本理解、指令演化框架优化及检索增强生成算法，在业内首次实现对超长音视频的单记录、跨记录、多语言自由问答，支持内容问答的音视频时长和文件数均突破业界上限。

用户不仅可在单一记录页呼唤小悟，对最高6小时、6G大小的音视频提问任何相关话题，或直接小悟要求整理金句、梳理结论、写会议纪要；更可在首页针对用户所有记录提问，支持一次性扫描理解上百条音视频内容；也可花式对英文视频用中文提问，小悟将直接给出中文回答，省去翻译。

此外，针对学习科研场景对AI工具的强烈需求，通义听悟推出“高校公益计划”，向所有中国大陆高校师生直接赠送价值数千元的500小时音视频转写时长。

音视频承载了密集的信息内容，但因涉及多模态理解、自然语言处理、搜索等多项复杂技术，长期以来内容查找难、回顾难、提炼难。阿里通义听悟产品负责人杨帆介绍，通义听悟为这一需求而生。“作为一款工作学习AI助手，通义听悟希望让高知识附加值的音视频被轻松阅读、整理和分享。”

针对用户需求，通义听悟还上线了一键AI改写、思维导图生成等新能力。例如，一键AI改写，将口语转为书面表达，尤其适合整理采访；思维导图自动生成，最多支持五级xmind脑图，适合播客摘要。

头图来源：手机截图