10月21日，杭州云棲大會上，阿里巴巴達摩院發布軟硬件結合語音產品“聽悟”。相比只能逐字轉寫的上一代語音產品，“聽悟”是面向未來會議的AI助理，集成了達摩院最新語音及自然語言處理技術，不僅“聽”得準，且“悟”性高，可秒速生成智能會議紀要及待辦。
會議場景對語音轉文字產品有強需求。但因技術限制，傳統語音產品存在“聽不準、分不清、看不懂”等問題，往往在噪音下識別準確率較低，無法區分不同說話人，轉寫內容冗長難以閱讀和沉淀。針對痛點，達摩院語音實驗室打造了“聽悟”，通過讓AI深度參與，讓線上及線下會議更智能、高效、協同。
“聽悟”內置達摩院獨創聲紋融合方位算法，能對多達10位說話人進行角色分離；融入達摩院新一代端到端語音識別模型，中文識別準確率可達98%，支持14種方言及中英文“自由說”；可嵌入線上音視頻會議，實時出字幕及紀要。
除了聽力好，這位AI助理悟性也高。 “聽悟”能模仿人工整理，進行智能糾錯和分段，自動過濾語氣詞，讓生成文本更流暢。同時，“聽悟”擅長抓重點，可秒速生成關鍵詞、核心結論、重點內容和待辦，用戶能同屏編輯、標注摘要、一鍵分享、安全保存。“聽悟”還能對常用詞、用戶行為及歷史文檔進行自學習，越用越聰明。
此外，“聽悟”配置了智能麥克風，融入達摩院指向性差分麥克風陣列技術，可實現7米內遠距離360度高清收音，相比傳統麥克風收音距離、抗噪能力大為提升。
達摩院語音實驗室負責人鄢志杰表示，“語音技術的發展是不斷解鎖場景的歷史，會議作為當下組織協同的核心場景，是語音AI將變革的下一個重要場景。”
鄢志杰介紹，“聽悟”適用于企業會議、金融調研、媒體訪談、教育培訓等泛會議場景，目前面向企業客戶，已為多家頭部金融企業提供服務，且應用于釘釘新上線的“釘閃記”功能中。未來，“聽悟”還將探索與會議廠商合作。
IDC報告顯示，阿里AI近年在語音語義領域表現強勁，市場年增長率達96.6%，增速第一，總營收中國前二，已深入政務、金融、電商、法律等行業，應用于會議、客服、IoT、搜索、文本分析等場景。
