这是一款基于通义千问语言模型、音视频AI模型能力，能为用户带来音频、视频内容记录和阅读全新体验的AI助手，在工作和学习中提供更高的效率和帮助。
目前通义听悟已经在官网正式上线，用户使用阿里云账号登录，公测期可体验所有AI功能，含全文概要、章节速览、发言总结等高阶AI功能，并获赠使用权益。
据介绍，通义听悟可以进行实时的语音转文字、多语言同步翻译，1小时的音视频仅用5分钟就能转写完成，还能精准区分发言人。
同时还能进行智能总结，会议中的关键内容清晰罗列，总结核心内容，比如关键性的问答内容，轻松存档会议内容。
并且还能高效有序的整理笔记，支持下载原文、笔记、音视频和译文，一键导出所需内容，同时也支持word、pdf和srt字幕文件等多种格式一键导出，本地、云盘均可进行存储。
从目前已上线的功能来看，通义听悟特别适合职场开会、上课复习、媒体采访、分析师访谈、新媒体工作者整理视频、外语交流等诸多知识类场景。
（举报）
阿里云在深圳成功举办AI创新应用大会，提出要将"云+AI"技术转化为千行百业的商业动能。大会吸引了近千家企业参与，探讨AI技术从理论走向商业实践的路径。阿里云智能集团副总裁刘湘雯指出，AI不仅是技术演进，更是生产力革命。会议聚焦大模型与AI Agent的融合机遇，提出企业智能化转型需把握四大趋势：技术迭代加速、开源填补鸿沟、智能体从"工具人"变为"决策者"、交互革命重构人机触点。阿里云通过三层落地逻辑（模型API Server、Agent对接层、行业解决方案）助力企业穿透技术迷雾，并发布AI应用先锋计划，联合生态伙伴加速AI应用从概念验证到规模化落地。
阿里云AI应用先锋计划通过“云+AI+行业适配”模式，助力企业突破AI落地瓶颈。该计划提供云资源补贴、POC服务、专家咨询及联合品牌推广等支持，降低企业AI应用门槛。结合端云协同架构，解决算力成本高、模型部署难等问题，已在智能硬件、教育、政务等领域实现案例落地，推动AI从技术尝鲜走向常态化应用。
AI日报栏目汇总近期AI领域重要进展：腾讯元宝接入DeepSeek V3.1提升智能助手能力；即梦AI推出多帧功能简化视频制作；可灵AI首尾帧功能升级效果提升235%；钉钉与通义实验室联合发布Fun-ASR语音识别大模型；腾讯CodeBuddy IDE国内版公测；Vercel发布AI Gateway简化模型调用；Anthropic整合Claude Code强化企业开发；阿里发布Mobile-Agent-v3突破GUI自动化；Qoder平台革新编程模式；清华团队GUAVA框架实现0.1秒3D化身生成；谷歌搜索新增AI Agent功能；VAST推出Tripo 3.0推动3D内容创作。
百度对外宣布其搜索PC端首页已完成全量升级，将传统信息入口一举升级为任务中枢，为用户带来前所未有的智能搜索体验，进一步巩固了其在国内AI搜索行业的领先地位。 此次升级后的百度搜索PC端首页亮点纷呈。新增的“超级智能双行框”成为一大核心亮点，它支持用户一键进行深度搜索，无论是面对复杂的专业问题，还是多维度信息需求，都能快速给出精准且全面的解答
AI技术正加速渗透电商直播领域，奢侈品牌Burberry通过数字人主播实现618期间成交额同比增长超500%。集思科技推出的"实时替身"金牌主播2.0产品，突破非标品直播边界，实现视觉自然化+沟通智能化+内容协同化。阿里云通义千问3大模型为数字人提供精准语料支持，无影云电脑保障24小时稳定直播。未来AI销售将向"人货场"重构方向发展，数字人不仅能实现7×24小时直播，更将向一对一精准销售升级，打造万亿级市场新机遇。
OpenAI为其ChatGPT网页应用的语音模式推出新功能，加入语音速度”调节与自定义指令前缀”，同时配合此前升级的模型选择器，进一步提升用户体验。 新增的语音速度”选项让用户可通过滑块自由调整ChatGPT的语速，范围从0.5倍速到2.0倍速，不过该功能目前仍处于隐藏状态，尚未正式开放。 自定义指令前缀”功能则允许语音模式记住用户的特定要求，避免重复输入。系统明确�
标贝科技发布"十万音色·自然语音数据集"，覆盖中英双语，包含10万种音色样本（中文5万、英文5万），基于近百万小时原始数据经智能生产线精细打磨。该数据集在规模、真实性和准确性三大核心指标实现突破，支持多情感表达和跨场景应用，涵盖基础情绪到特定风格，话题涉及多个领域。通过音频质量筛选、文本转写校正、说话人分离等技术，从海量数据中甄选出高质量样本，为语音识别、合成等AI模型训练提供坚实基础，助力实现更自然、真实的语音交互体验。
今日，微信派正式对外宣布，微信聊天新增引用部分文字功能，为用户交流带来全新便捷体验。 在过去，微信用户进行引用回复时，存在明显局限，只能将整条文字消息完整引用。当好友发来大段文字，而自己仅想引用其中某段精华内容时，就显得十分不便。 如今，这一状况得到极大改善。用户收到好友发来的大段文字消息后，若只想引用其中特定部分，可手动进行选择，�
本期AI日报聚焦多项AI领域创新：1）阿里开源Qwen-Image-Edit图像编辑模型，支持中文渲染与精准文本编辑；2）淘宝测试"AI万能搜"功能，重构电商搜索体验；3）小红书发布DynamicFace人脸生成技术，实现高质量图像视频换脸；4）Gemini API新增URL Context功能，简化网页内容获取流程；5）Nvidia推出小型开放模型Nemotron-Nano-9B-v2，支持智能推理开关；6）马斯克发布Grok Imagine 0.1测试版，进军AI图像生成领域；7）Vercel推出iOS版AI开发工具v0；8）理想汽车发布MindGPT 3.1模型，处理速度提升5倍；9）ToonComposer工具简化动画制作流程；10）ElevenLabs推出视频到音乐生成流程。
逗哥配音作为国内领先的AI配音平台，凭借自主研发的语音合成大模型技术，已服务超千万创作者，累计生成音频量突破270亿次。其核心技术突破包括：1）支持40种语言，语音质量MOS分提升0.25，拟人度超83%；2）首创"AI分角功能"，将多角色配音效率提升90%以上；3）建成覆盖近千款发音人的全球声库，包含方言、外语及影视角色音；4）创新"真人声纹+AI增强"模式，
