钛媒体App3月19日消息，阿里大模型产品“通义听悟”发布多项新功能。其中音视频问答助手“小悟”上线，在业界首次实现单记录、跨记录、多语言自由问，支持对单个最长6小时、一次性上百条音视频的内容理解问答，用户可对超长音视频随心提问，让AI 总结任意知识点。

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。

小悟通过多语言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。

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，尤其适合整理采访速记；思维导图自动生成，最多支持五级xmind脑图，适合播客摘要；笔记支持一键插入视频时间戳及截图、音视频文件语种自动识别等。

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”，通义听悟推出“高校公益计划”，推动AI算力普惠。所有中国大陆高校师生通过后缀edu.cn的教育邮箱进行认证后，均可直接获赠500小时转写时长，存储空间从20G拓展至200G。

据了解，作为国内首个开放公测的大模型产品，去年6月发布以来，通义听悟累计已有上百万用户，活跃用户日均转写音视频3次以上，平台每天处理字符数约20亿字。

（本文首发钛媒体APP 作者｜张帅，欢迎添加作者mr3right爆料、交流）