通义听悟

通义听悟API服务，在语音识别、翻译和发言人识别的基础上，提炼全文摘要、章节速览、发言总结、待办事项、PPT、问答、关键词等内容，对人与人交流的音视频进行分析与精简，帮助使用者快速了解音视频主要内容。

1. 语音转写：支持将实时音频流或音视频文件中的语音转写为文字，支持多种语言包括中文、英文、粤语、中英混和日语，能够将对话中的不同人物进行区分，支持两人或多人对话的识别。
2. 章节速览：基于不同的交流话题对音视频内容进行章节划分，为每个章节提供一句话的总结标题，用简短文字（约250字）概括章节内容。
3. 大模型摘要：对完整的音视频内容进行总结，对不同发言人的说话内容进行分别总结，需配合“语音转写”中的“说话人分离”功能，识别对话中的显性和隐性问题，并提炼回答内容。
4. 智能纪要：从对话中提取关键词，识别对话中的待办事项，提取关键句，帮助用户快速定位重要信息，分析对话内容，识别出是面试、演讲还是会议等场景。
5. PPT抽取和总结：从视频文件中抽取出现的PPT内容，对每页PPT的讲解语音进行摘要总结，并与PPT内容相互对应。
6. 文本翻译：支持中英、中日双向实时互译，将音视频文件中的语音转写为文字后，支持中英、中日双向互译

1. 语音、语言、视觉多模态，17个AI功能灵活搭配：支持音视频信息处理与提取，所需的多种AI能力，除语音识别、翻译、发言人识别外，还包括全文摘要、章节速览、发言总结、待办事项、PPT、问答、关键词等功能。

    

2. 对接速度快，省时省力：一套接口的参数化配置，即可开启不同场景中所需的AI能力，降低构建AI场景化服务的API对接成本，省时省力。

    

3. 稳定服务：支持自定义主动消息推送通知与状态查询，提供多种异常情况处理机制，方便业务方进行上层业务逻辑处理。

    

1. 实时会议记录：线上、线下会议使用通义听悟实时呈现多语言字幕；会后检索关键内容，可结合录音反复听取其中含义。完整会议录音和语音转文字结果，保证会议内容不被遗漏；音频与转写结果逐字对应，确保纪要撰写理解正确。待办事项提取可辅助会后任务跟进。

    

2. 录音转写；使用智能工牌、手机、录音笔进行的录音，可通过通义听悟进行离线转写，并可分离发言人、查看全文概要、章节速览、发言总结。对门店服务、电话坐席进行内容分析与总结。

    

3. 面试：实时记录一对一沟通交流的内容，避免因记录导致交流不畅或遗漏访谈内容，提高访谈效率和面试体验。

    

4. 拜访纪要：智能纪要关键词和重点内容提取帮助销售人员快速了解交流重点；章节速览还原交流过程；待办事项保证客户的每项要求都不遗漏、可跟进。

    

5. 企业培训：实时添加语言字幕，并能将培训关键词、主题进行提取，方便后续检索与定位。方便无法实时参加的人员在后续进行回看，提升培训内容在企业内部的持续价值。

6. 教学视频分析：批量上传教学视频文件，可转写文字、知识点提取、教学内容分割，方便快速检索、定位、回看教学视频，学习更轻松。通过关键词总结，可分析教师授课的知识点覆盖度。

    

7. 外语资料学习：英文或日语的音视频教学内容，实时转写并翻译成中文，拓宽学生的知识来源。尤其在出国留学的准备期，对提升听力有很大帮助