“做通義聽悟(wu)的(de)(de)初心不是做宣傳做引流，或者造一(yi)波聲勢，而是希(xi)望(wang)借(jie)助技術能力能讓(rang)AI產生真實的(de)(de)價(jia)值(zhi)，通過更多的(de)(de)AI助手(shou)，真正幫助工作生活等日常的(de)(de)方方面面。”阿里云CTO周靖(jing)人在近日的(de)(de)阿里云峰會上對搜狐科技等媒體(ti)表示。
周靖人認為，大模型將帶來新的機會，各種APP、業務場景及業務系統都可以基于大模型重新做，而通義聽悟就是一款大模型應用，可以真正把大模型的能力變成工作學習的AI助手。
至于為什么要選擇音視頻賽道做這款產品，通義聽悟技術負責人鄢志杰解釋稱，通義聽悟的前身是聽悟，此前主要做語音記錄等，只是一款工具。“當我們第一次看到大模型能夠提取摘要能力的時候，覺得這就是game-changer，它(ta)在客觀(guan)指標和主觀(guan)體驗上都帶(dai)來明顯的提升(sheng)。”
因此鄢志杰認為，當大模型的能力跟工具相結合以后，很有可能它已經不再是工具，而是變成了智能助手，不僅是幫(bang)助用戶，還可能提供(gong)建議來激發(fa)、啟發(fa)用戶。
據介紹，通義聽悟是一款聚焦在音視頻領域的產品，能夠幫助用戶高效完成對音視頻內容的轉寫、翻譯、檢索、摘要和整理，適用于開會、上課、訪談、培訓、面試、直播、看視頻、聽播客等場景，已自6月1日起開啟公測。
搜狐科技實測顯示，通義聽悟的音頻轉寫速度比市面上部分產品(pin)較快(kuai)，對(dui)于(yu)轉寫記錄能(neng)自動生(sheng)成關鍵詞、摘要、章節速覽和(he)發(fa)言(yan)人總結(jie)，但(dan)生(sheng)成內容也會有錯別字、不(bu)準確等瑕(xia)疵(ci)，英文(wen)提(ti)煉能(neng)力也相(xiang)對(dui)較弱。此外，該產品(pin)還與(yu)阿里(li)云盤打通，生(sheng)成PPT、chorme插件等功(gong)能(neng)也將(jiang)在后續上線。
在(zai)商(shang)業(ye)(ye)化方面，聽悟除個(ge)人版本外，還將推出企(qi)業(ye)(ye)版。“企(qi)業(ye)(ye)版是(shi)為企(qi)業(ye)(ye)的場景(jing)所定(ding)制，每個(ge)企(qi)業(ye)(ye)有(you)不同的需求，也有(you)數(shu)(shu)據安全、數(shu)(shu)據隱私等要(yao)求，這方面會有(you)完(wan)整(zheng)的企(qi)業(ye)(ye)級產(chan)品系列。”周靖人表示。
他還介紹稱，目前聽悟企業版已在阿里集團內部使用，釘釘的“釘閃記”背后也集成了聽悟，后續也將在夸克APP、阿里云盤等端口提供服務。對于企業用戶擔心的潛在的數據安全和隱私的問題，周靖人表示，大模型技術并不代(dai)表損失隱私，更多是提高了(le)開(kai)發的效率。
“在智能化時代，所有的企業都站在同一起跑線，誰能更有效利用好模型，就能更好跟自己的業務場景有機結合，這樣的企業就會脫穎而出，更加敏捷、更加地快速探索出一條業務發展創新的道路，從而在新的時代占據有利位置。”周靖人表示。
隨著大模型的蓬勃興起，阿里云提出了模型即服務(MaaS)的云服務模式，但這也導致和SaaS之間的界(jie)限越來越模糊。
對此，周靖人表示，通義聽悟即屬于MaaS，但歡迎它被各種各樣的業務系統集成，集成進更多智能化服務中，最終打造基于業務場景的SaaS服務。
他判斷，模(mo)型(xing)即(ji)服(fu)務將變成行業標準(zhun)。“通過一系列(lie)基礎模(mo)型(xing)，把(ba)創新(xin)的能力(li)用在上層的二次開發(fa)，甚至根據技術模(mo)型(xing)以及(ji)業務場景來做一系列(lie)的創新(xin)。”
周靖人還透露，阿里云在持續進行大模型的研發投入的同時，也會做基于大模型(xing)一系列產品的創(chuang)新。除了聽悟(wu)，接下來還會推(tui)出其它更多(duo)的產品。
“我們希望務實地把技術真正做到普惠，通過技術創新不斷降低模型訓練和模型服務的成本，能夠讓大家快速使用起來，更多在云上進行創新，只有這樣能夠讓大模型真正意義上大規模地去服務全社會。”周靖人表示。
