模塊劃分

能力說明

語音轉寫

語音轉文字：能夠將實時音頻流或音視頻文件中的語音轉寫成文字，支持中文、英文、粵語、中英混、日語、韓語的轉寫。轉寫結果可返回段落、句子劃分和詞級別的起止時間，用于對應字幕展示。

說話人分離：能夠將對話中的人進行區分，需設置2人還是多人。可設置是否開啟。

自定義Prompt

自定義prompt是指由客戶自主定義大模型提示詞，引導大模型完成客戶定義的各類任務。若通義聽悟提供的標準AI模型能力無法滿足您的業務需求，則可以通過本功能更加靈活地使用大模型。

章節速覽

聚合以下三種AI能力，對音視頻內容的章節進行劃分與總結：

章節分割：將音視頻內容，根據不同交流話題進行章節分割。

章節標題：一句話總結章節標題（32個topic以內）。

章節摘要：1000個字以內，概括章節內容。

摘要總結（全文摘要、發言總結、問答回顧、思維導圖）

全文摘要：對完整的音視頻內容進行總結。

發言總結：對不同發言人的說話內容進行總結，需先在“語音轉寫”中開啟“說話人分離”功能。

問答回顧：在理解對話內容的基礎上，摘出顯性提問、總結隱性問題，并根據對話內容提煉回答內容。

思維導圖：根據音視頻內容進行總結，并生成繪制思維導圖所需的數據結構，您需要將結果傳遞給前端框架，渲染出思維導圖圖片。目前思維導圖最多生成四個層級（樹結構最大深度為四層）。

要點提煉（待辦事項、關鍵詞、重點內容）

關鍵詞：提取對話中的關鍵詞。

待辦事項：提取對話中的待辦事項。

重點內容：提取對話中的關鍵句。

場景識別：根據內容類型，分析場景，可識別：面試、演講或會議。

PPT抽取及摘要

視頻PPT抽取：抽取視頻文件中出現的PPT。

PPT講解總結：對每頁PPT對應的講解內容，進行摘要總結。講解與PPT相互對應。可返回每頁對應的起止時間點、摘要文字。

文本翻譯

實時語音翻譯：實時記錄支持中、英、日、韓語間的實時雙向互譯；中英自由說翻譯成中、英或中&英。

離線文件翻譯：音視頻文件語音轉文字，支持中、英、日、韓語間的雙向互譯；中英自由說翻譯成中、英或中&英。

口語書面化

口語書面化：對語音轉寫結果進行原文改寫和潤色，形成書面化的語音轉寫結果。