通义听悟

通义听悟是阿里云推出的一款基于大模型的工作学习 AI 助手，具有以下功能： 1. 针对音视频内容提供转写、检索、摘要和整理等功能。 实时记录交流内容并同步翻译。 批量转写音视频文件并区分发言人。 智能提炼全文概要、章节速览和发言总结。 提取视频中的 PPT 并总结摘要。 自动提取关键词和待办事项。 编辑整理笔记并导出分享。 2. 在对比多个播客转文字的产品后，体验较好。 首页突出转录播客的功能，注册赠送 10 小时免费转录。 支持播客链接直接转录，准确率高。 能够在转录后自动生成问答回顾，选中文本，音频内容会自动定位到对应位置。 通义听悟于 2023 年 6 月 1 日开始公测，并在 2023 年 11 月的云栖大会上正式上线。

通义听悟是阿里云推出的一款基于大模型的工作学习 AI 助手。它主要针对音视频内容，具备以下功能： 实时记录交流内容并同步翻译。 批量转写音视频文件并区分发言人。 智能提炼全文概要、章节速览和发言总结。 提取视频中的 PPT 并总结摘要。 自动提取关键词和待办事项。 编辑整理笔记并导出分享。 通义听悟依托大模型技术，能帮助用户更高效地记录、整理和分析音视频内容，提高工作和学习效率。它于 2023 年 6 月 1 日开始公测，并在 2023 年 11 月的云栖大会上正式上线。 在实际应用中，比如获取播客音频信息时，可按以下步骤操作： 1. 点开小宇宙播客分享链接。 2. 打开微信通义听悟小程序。 3. 可以直接在通义听悟看概括总结（2 小时的播客可以在 4 分钟左右分析完）；也可一键转录解析导出 txt 文字版，丢到 kimi 自定义分析（kimi 也可以读取播客链接进行音频解析，但目前好像无法进行逐字稿）。

通义听悟是阿里云推出的一款基于大模型的工作学习 AI 助手，主要针对音视频内容提供转写、检索、摘要和整理等功能。它可以实时记录交流内容并同步翻译、批量转写音视频文件并区分发言人、智能提炼全文概要、章节速览和发言总结、提取视频中的 PPT 并总结摘要、自动提取关键词和待办事项、编辑整理笔记并导出分享。通义听悟依托大模型技术，帮助用户更高效地记录、整理和分析音视频内容，提高工作和学习效率。它于 2023 年 6 月 1 日开始公测，并在 2023 年 11 月的云栖大会上正式上线。你可以通过以下方式下载通义听悟： https://tingwu.aliyun.com/。

以下是一些可以制作短视频的 AI 工具： 1. ChatGPT + 剪映：ChatGPT 生成视频小说脚本，剪映根据脚本自动分析并生成素材和文本框架，能快速实现从文字到画面的转化。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入转化为视频。 3. Pictory：AI 视频生成器，用户提供文本描述即可生成相应视频内容。 4. VEED.IO：提供 AI 图像和脚本生成器，帮助用户从图像制作视频并规划内容。 5. Runway：能将文本转化为风格化的视频内容，适用于多种场景。 6. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，可根据文本脚本生成视频。 此外，剪映虽然方便，有很多人性化设计和简单音效库、小特效，但无法协同工作和导出工程文件，应用于商业化效果有限。剪辑流程通常包括视频粗剪、定剪、音效/音乐、特效、包装（如字幕）等步骤。在音效和音乐方面，剪映的简单音效库可用于制作简单短片，复杂音效需另外制作，音乐商用要注意版权。特效方面，如剪映可添加一些光的效果。包装方面，剪映智能匹配字幕再修改较为方便。

通义旗下有多款产品，具有以下特色： 通义万相： 优势：在中文理解和处理方面表现出色，具有独特优势。用户可选择多种艺术和图像风格，生成的图像质量高、细节丰富，能满足多数用户期望。操作界面简洁直观，用户友好度高，降低使用门槛。作为阿里生态系统一部分，可与其他产品和服务无缝整合，提供更全面解决方案。重点是目前免费，每天签到获取灵感值即可。 局限性：为符合国内监管要求，某些类型图像无法生成，限制创作自由度。在处理非中文语言或国际化内容方面可能不如国际 AI 图像生成工具出色。由于模型训练数据可能主要基于中文环境，处理多元文化内容时可能存在偏差。 通义千问： 优势：把 prompt 输入后，欢迎语直接，无废话，能将“你好”转换为“您好”。输入起诉状后，两个答辩人正确，能按 prompt 结构输出，答辩的逻辑和立场没问题。 不足：输出内容的专业性稍差，未引用具体法律条文，基础部分未体现专业水平，整体内容及格，无亮点。 此外，通义视频模型——通义万相即将开放，支持多种尺寸，语义遵循强，动态自然，目前可进行账号申请。

要登陆通义千问，您可以按照以下步骤进行操作： 1. 访问 OneAPI，访问地址为：http://这里改成您自己宝塔左上角的地址:3001/（举例：http://11.123.23.454:3001/），账号默认 root，密码 123456。 2. 点击【渠道】。 3. 类型选择阿里通义千问，名称随意，类型不用删减。 4. 把千问里创建的 API Key 粘贴到秘钥里中，点击确认。 5. 点击【令牌】【添加新令牌】。 6. 名称随意，时间设为永不过期、额度设为无限额度，点击【提交】。 7. 点击【令牌】，会看到自己设置的。点击复制，出现 key，然后在标红那一行中，自己手动复制下来。 8. OneAPI 配置完成，保存好这个 KEY。

要登录通义千问，您可以按照以下步骤进行操作： 1. 访问 OneAPI。访问地址：http://这里改成您自己宝塔左上角的地址:3001/（举例：http://11.123.23.454:3001/），账号默认 root，密码 123456。 2. 点击【渠道】。 3. 类型选择阿里通义千问，名称随意，类型不用删减。 4. 把千问里创建的 API Key 粘贴到秘钥里中，点击确认。 5. 点击【令牌】【添加新令牌】。 6. 名称随意，时间设为永不过期、额度设为无限额度，点击【提交】。 7. 点击【令牌】，会看到自己设置的。点击复制，出现 key，然后在标红那一行中，自己手动复制下来。 8. OneAPI 配置完成，保存好这个 KEY。

以下是国内一些 AI 大模型的优势： 通义千问：由阿里云开发，能够与人交互、回答问题及协作创作。 科大讯飞（SparkDesk）：有免费接口，在某些应用场景中具有出色表现。 智谱清言：在聊天状态下能生成 Markdown 格式。 文心一言：百度出品的 AI 对话产品，定位为智能伙伴，能写文案、想点子，又能陪你聊天、答疑解惑。 抖音（云雀大模型）：暂未明确其独特优势。 智谱 AI（GLM 大模型）：暂未明确其独特优势。 中科院（紫东太初大模型）：暂未明确其独特优势。 百川智能（百川大模型）：暂未明确其独特优势。 商汤（日日新大模型）：暂未明确其独特优势。 MiniMax（ABAB 大模型）：目前不能进行自然语言交流，但有语音合成等特色功能。 Kimi 智能助手：由 Moonshot AI 出品，有着超大“内存”，可以一口气读完二十万字的小说，还会上网冲浪。 需要注意的是，不同大模型的优势会因应用场景和用户需求的不同而有所差异。