通义听悟

通义听悟是阿里云推出的、聚焦音视频内容的工作学习 AI 助手，官方称依托大模型帮助用户记录、整理和分析音视频内容，体验用大模型做音视频笔记、整理会议记录，官网主打语是「听悟一下」。它和通用聊天助手的区别是，处理对象不是文字而是音视频：实时记录、上传音视频、播客链接转写三条入口，分别对应开会、上课与听播客三类场景。站内还提供企业 API，官网显示全面降价、支持自定义 prompt，并提供低代码应用模板，开箱即用、可私有化部署。

核心能力

• 实时语音转文字：开启实时记录后把正在进行的语音转成文字，官网称可同步翻译并智能总结要点，适合边开会边记录。
• 音视频转文字：上传已有的音视频文件转成文字，官方称可区分发言人，并支持一键导出。
• 播客链接转写：输入 RSS 订阅链接即可转写，官方称无需下载文件，会智能提炼总结。
• 记录整理与分发：转写结果集中在「我的记录」，可用「我的收藏」「我的分享」做归类与分发，「发现」页可浏览其他内容。
• 企业 API：提供企业 API 入口，官网显示支持自定义 prompt，并提供低代码应用模板，开箱即用、可私有化部署。
• 场景化快速入门：官网在快速入门区给出「上课用通义听悟」「开会用通义听悟」「听播客、看视频」等示例，新用户照着做即可上手。

适合谁

• 经常开会的职场人，用实时记录边开边出要点与待办
• 上课、听讲座的学生，把录音转成可检索的笔记
• 听播客、看长视频的人，用 RSS 链接转写代替完整收听
• 做访谈与用户调研的研究者，用发言人区分整理原始素材
• 需要把转写能力接入内部系统的企业，走企业 API 与私有化部署

使用建议

按场景选入口最省事：正在进行的会议用「开启实时记录」，已经录好的文件走「上传音视频」，播客节目直接粘 RSS 链接，不用先下载音频。开会或上课前先确认录音权限，转写质量很大程度取决于原始音频是否清晰，多人场景尽量靠近音源或使用外接麦克风。转写完成后不要直接照搬导出，先用智能总结对一遍关键结论与待办，再回到原文核对专有名词和数字。需要长期使用或团队协作时可以评估企业 API，官网显示支持自定义 prompt 与私有化部署，计费与额度以官网当页说明为准。涉及他人录音与会议内容，务必先取得参会者同意并注意数据合规。