功能名稱

功能說(shuō)明

音視頻文件離線轉(zhuǎn)寫(xiě)支持多語(yǔ)種混合識(shí)別

音視頻文件離線轉(zhuǎn)寫(xiě)16K新增中英日韓粵德法俄混合說(shuō)。同時(shí)可通過(guò)控制參數(shù)識(shí)別語(yǔ)種，避免中間過(guò)程其他語(yǔ)種亂入的情況。

離線轉(zhuǎn)寫(xiě)新增泰語(yǔ)

自動(dòng)語(yǔ)種識(shí)別新增泰語(yǔ)，即能自動(dòng)識(shí)別中/英/日/韓/粵/泰語(yǔ)的音視頻并進(jìn)行對(duì)應(yīng)語(yǔ)種轉(zhuǎn)寫(xiě)（一個(gè)文件僅支持一個(gè)語(yǔ)種）；同時(shí)單獨(dú)語(yǔ)種也支持識(shí)別泰語(yǔ)。

離線轉(zhuǎn)寫(xiě)效率優(yōu)化

降低離線轉(zhuǎn)寫(xiě)的耗時(shí)。

功能名稱

功能說(shuō)明

實(shí)時(shí)8K效率優(yōu)化

縮短了實(shí)時(shí)8K ASR的轉(zhuǎn)寫(xiě)延遲。

服務(wù)質(zhì)檢可返回發(fā)言人

“服務(wù)質(zhì)檢”返回句子ID可兼容帶入發(fā)言人ID的情況。

ITN返回優(yōu)化

百分比等標(biāo)點(diǎn)的返回優(yōu)化。

實(shí)時(shí)推流的python SDK

發(fā)布了實(shí)時(shí)推流的PythonSDK。

實(shí)時(shí)多語(yǔ)言自由說(shuō)升級(jí)

新增德法俄語(yǔ)種，即支持實(shí)時(shí)中英日韓粵德法俄混合說(shuō)。同時(shí)可通過(guò)控制參數(shù)識(shí)別語(yǔ)種，避免中間過(guò)程其他語(yǔ)種亂入的情況。

實(shí)時(shí)說(shuō)話人分離

支持實(shí)時(shí)會(huì)議中的說(shuō)話人分離。

發(fā)布節(jié)省計(jì)劃

支持預(yù)付費(fèi)節(jié)省計(jì)劃，進(jìn)一步降低使用成本。

Appkey維度的出賬

出賬細(xì)化到Appkey維度，方便區(qū)分各項(xiàng)目的成本情況。

功能名稱

功能說(shuō)明

控制臺(tái)增加用量統(tǒng)計(jì)

細(xì)化了用量統(tǒng)計(jì)與查詢。

實(shí)時(shí)多語(yǔ)言自由說(shuō)

發(fā)布中英日韓粵語(yǔ)自由說(shuō)。

服務(wù)質(zhì)檢

新增服務(wù)質(zhì)檢的大模型能力。

功能名稱

功能說(shuō)明

價(jià)格大幅下調(diào)

對(duì)標(biāo)千問(wèn)，價(jià)格大幅下調(diào)。

功能名稱

功能說(shuō)明

實(shí)時(shí)記錄新增轉(zhuǎn)寫(xiě)語(yǔ)種

16K支持識(shí)別中英日韓粵自由說(shuō)。

功能名稱

功能說(shuō)明

價(jià)格調(diào)整

語(yǔ)音轉(zhuǎn)文字功能統(tǒng)一下調(diào)至0.6元/小時(shí)；

大模型每個(gè)能力0.22元/小時(shí)，多個(gè)能力調(diào)用時(shí)疊加計(jì)費(fèi)；

視頻PPT提取下調(diào)至0.8元/小時(shí)；

翻譯價(jià)格也同步下調(diào)。

自定義Prompt

支持對(duì)轉(zhuǎn)寫(xiě)結(jié)果自定義Prompt，根據(jù)自身業(yè)務(wù)需求，應(yīng)用大模型各類能力。

創(chuàng)建大模型任務(wù)，支持：聽(tīng)悟-Turbo、聽(tīng)悟-Plus、千問(wèn)-Max三種模型規(guī)格。

音視頻文件離線轉(zhuǎn)寫(xiě)支持自動(dòng)語(yǔ)種識(shí)別

音視頻文件離線轉(zhuǎn)寫(xiě)支持自動(dòng)語(yǔ)種識(shí)別，可自動(dòng)識(shí)別中/英/日/韓/粵語(yǔ)的音視頻并進(jìn)行對(duì)應(yīng)語(yǔ)種轉(zhuǎn)寫(xiě)（一個(gè)文件僅支持一個(gè)語(yǔ)種）。

用戶上傳文件時(shí)，無(wú)需再選擇語(yǔ)種，簡(jiǎn)化用戶操作與技術(shù)對(duì)接流程。

功能名稱

功能說(shuō)明

AI模型能力升級(jí)

新增支持大模型提煉思維導(dǎo)圖的能力，最多4級(jí)深度。支持2萬(wàn)字以內(nèi)的導(dǎo)圖生成（約80分鐘音頻）

功能名稱

功能說(shuō)明

文本翻譯功能升級(jí)

支持中、英、日、韓語(yǔ)間的雙向互譯。

功能名稱

功能說(shuō)明

大模型版本升級(jí)

全文摘要、章節(jié)速覽、發(fā)言總結(jié)三項(xiàng)大模型功能，返回字?jǐn)?shù)上限從250字，增加到1000個(gè)字。減少內(nèi)容遺漏、描述更加詳盡。

完善英文大模型能力

英文支持問(wèn)答提取、場(chǎng)景識(shí)別、口語(yǔ)書(shū)面化。

中英自由說(shuō)支持全文概要、章節(jié)速覽、發(fā)言總結(jié)、待辦事項(xiàng)、問(wèn)答提取

實(shí)時(shí)增加韓語(yǔ)

支持韓語(yǔ)語(yǔ)種識(shí)別和中韓互譯

音視頻轉(zhuǎn)寫(xiě)升級(jí)

新增格式：

○ 音頻：aiff格式。

○ 視頻：avi、mpeg、3gp、ogg。

修正音視頻時(shí)長(zhǎng)不準(zhǔn)確的問(wèn)題。

基礎(chǔ)性能

提升服務(wù)穩(wěn)定性。

功能名稱

功能說(shuō)明

口語(yǔ)書(shū)面化

能夠?qū)⒁粢曨l的語(yǔ)音轉(zhuǎn)寫(xiě)結(jié)果進(jìn)行原文改寫(xiě)和潤(rùn)色，便于形成書(shū)面化的語(yǔ)音轉(zhuǎn)寫(xiě)結(jié)果。

功能名稱

功能說(shuō)明

章節(jié)速覽

能夠?qū)⒁粢曨l內(nèi)容按主題進(jìn)行章節(jié)切分。并總結(jié)章節(jié)標(biāo)題與摘要。

全文摘要

對(duì)全部?jī)?nèi)容，進(jìn)行摘要總結(jié)。

發(fā)言總結(jié)

在會(huì)議中往往有多人的討論。通義聽(tīng)悟能夠區(qū)分發(fā)言人、幫你總結(jié)出每個(gè)人不同的觀點(diǎn)。發(fā)言總結(jié)功能可以把誰(shuí)在會(huì)議中表達(dá)了什么清晰的整理、呈現(xiàn)出來(lái)。

問(wèn)答對(duì)提取

會(huì)議中的一問(wèn)一答往往包含著非常關(guān)鍵和重要的信息。通義聽(tīng)悟的問(wèn)題回顧功能，能夠?qū)?huì)議進(jìn)程中的提問(wèn)定位并抽取出來(lái)，將大家討論過(guò)的問(wèn)題一一羅列。

視頻PPT抽取及摘要

可將視頻中呈現(xiàn)的PPT進(jìn)行識(shí)別和提取，同時(shí)對(duì)每頁(yè)P(yáng)PT演講的內(nèi)容進(jìn)行摘要總結(jié)。幫助獲取視頻PPT的資料，并快速理解對(duì)應(yīng)的內(nèi)容。

模型能力升級(jí)

關(guān)鍵詞與待辦事項(xiàng)提取，升級(jí)為大模型。提煉更加聚焦。

功能名稱

功能說(shuō)明

實(shí)時(shí)記錄

在任何需要記錄的場(chǎng)合，可打開(kāi)"實(shí)時(shí)記錄"功能，記錄會(huì)議、培訓(xùn)、訪談等場(chǎng)景的對(duì)話信息。語(yǔ)音識(shí)別會(huì)把內(nèi)容精準(zhǔn)的轉(zhuǎn)換為文字。

多語(yǔ)言翻譯

會(huì)議中哪怕有來(lái)自外國(guó)的參會(huì)人也不是問(wèn)題，通義聽(tīng)悟的翻譯能力能夠?qū)?nèi)容進(jìn)行實(shí)時(shí)多語(yǔ)言翻譯，從而幫助所有人理解掌握會(huì)議內(nèi)容。

問(wèn)答回顧

會(huì)議中的一問(wèn)一答往往包含著非常關(guān)鍵和重要的信息。通義聽(tīng)悟的問(wèn)題回顧功能，能夠?qū)?huì)議進(jìn)程中的提問(wèn)定位并抽取出來(lái)，將大家討論過(guò)的問(wèn)題一一羅列。

發(fā)言總結(jié)

在會(huì)議中往往有多人的討論。通義聽(tīng)悟能夠區(qū)分發(fā)言人、幫你總結(jié)出每個(gè)人不同的觀點(diǎn)。發(fā)言總結(jié)功能可以把誰(shuí)在會(huì)議中表達(dá)了什么清晰的整理、呈現(xiàn)出來(lái)。

本地上傳&云盤(pán)導(dǎo)入

通過(guò)“上傳音視頻”功能可對(duì)已錄制好的音頻視頻文件進(jìn)行理解分析。

通義聽(tīng)悟已經(jīng)與阿里云盤(pán)打通，存儲(chǔ)在阿里云盤(pán)中的音頻視頻內(nèi)容都可以導(dǎo)入通義聽(tīng)悟進(jìn)行AI的分析和理解。

全文概要

通過(guò)大語(yǔ)言模型強(qiáng)大的理解能力，提煉出忠實(shí)于原文的摘要，全文概要用兩三百字的篇幅將最重要的信息呈現(xiàn)在你的面前。

章節(jié)速覽

如果你還想進(jìn)一步深入了解內(nèi)容細(xì)節(jié)，通義聽(tīng)悟會(huì)將這段音頻視頻按時(shí)間線分割成章節(jié)，向你呈現(xiàn)每一個(gè)章節(jié)的中心思想和主要內(nèi)容。通義聽(tīng)悟全新的體驗(yàn)讓“一目十行”的“閱讀”音視頻成為現(xiàn)實(shí)。

功能分類

功能名稱

功能描述

更新類型

文檔鏈接

實(shí)時(shí)記錄接口

實(shí)時(shí)接口

• 支持8k單通道音頻流

新增

實(shí)時(shí)記錄

通義聽(tīng)悟界面服務(wù)

通義聽(tīng)悟網(wǎng)站及微信小程序

• 上線網(wǎng)站與微信小程序

  （微信搜索通義聽(tīng)悟）

• 手機(jī)號(hào)注冊(cè)個(gè)人賬號(hào)

• 注冊(cè)、簽到、邀請(qǐng)好友等可贈(zèng)送轉(zhuǎn)寫(xiě)時(shí)長(zhǎng)

• 支持實(shí)時(shí)記錄和音視頻文件記錄、區(qū)分發(fā)言人、智能提取關(guān)鍵信息

• 分享記錄并邀請(qǐng)好友注冊(cè)

• 收藏和文件夾管理

新增

通義聽(tīng)悟頁(yè)面服務(wù)

功能分類

功能名稱

功能描述

更新類型

文檔鏈接

音視頻文件記錄

實(shí)時(shí)接口

• 支持實(shí)時(shí)會(huì)議翻譯，翻譯目標(biāo)語(yǔ)言為中文、英文或中文+英文

• 會(huì)中可隨時(shí)開(kāi)關(guān)翻譯功能

新增

音視頻文件記錄

功能分類

功能名稱

功能描述

更新類型

文檔鏈接

音視頻文件記錄

實(shí)時(shí)接口

• 音頻采樣率：新增支持8K

新增

音視頻文件記錄

功能分類

功能名稱

功能描述

更新類型

文檔鏈接

實(shí)時(shí)記錄

實(shí)時(shí)接口

• 支持的輸入格式：PCM（無(wú)壓縮的PCM或WAV文件）、16 bit采樣位數(shù)、單聲道（mono）。

• 支持的音頻采樣率：16000 Hz。

• 支持設(shè)置返回結(jié)果：是否返回中間識(shí)別結(jié)果。

• 支持設(shè)置多語(yǔ)言識(shí)別：中文、英文、粵語(yǔ)、中英文自由說(shuō)。

• 支持設(shè)置同步音頻轉(zhuǎn)碼：轉(zhuǎn)碼為比特率128kb/s的mp3格式音頻，準(zhǔn)實(shí)時(shí)寫(xiě)入的指定OSS。

• 支持設(shè)置會(huì)后紀(jì)要智能提?。菏欠耖_(kāi)啟有效音頻片斷檢測(cè)，是否開(kāi)啟會(huì)中識(shí)別結(jié)果保存，智能提取關(guān)鍵詞、關(guān)鍵句、小議題、待辦事項(xiàng)。

新增

實(shí)時(shí)記錄

音視頻文件記錄

實(shí)時(shí)接口

• 支持的音頻格式：mp3、wav、m4a、wma、aac、ogg、amr、flac、mp4。

• 文件大小不超過(guò)4GB。

• 音頻時(shí)長(zhǎng)不超過(guò)4小時(shí)。

• 音頻采樣率不低于16K。

• 需要識(shí)別的錄音文件必須存放在用戶托管到聽(tīng)悟的OSS Bucket上。

• 支持的調(diào)用方式：輪詢方式和回調(diào)方式。

• 支持設(shè)置多語(yǔ)言識(shí)別：中文、英文、粵語(yǔ)、中英文自由說(shuō)。

新增

音視頻文件記錄

控制臺(tái)配置

控制臺(tái)界面

開(kāi)通服務(wù)、設(shè)置權(quán)限策略、創(chuàng)建項(xiàng)目、測(cè)試效果

新增

快速入門(mén)