试想一下这样的场景：你正在主持一场关键的多部门会议，或进行一段复杂的访谈，而手边只有一台笔记本电脑。能否实时将谈话内容转换为文字，自动提炼重点，甚至精准区分出不同说话人？在不久前落幕的2022杭州云栖大会上，阿里巴巴达摩院推出的AI会议助手“听悟”进阶版，为这一需求提供了相当完整的解决方案。

“你只需专注会议，其余一切交给听悟。”这句口号在大会现场随处可见，但更令人印象深刻的是它背后扎实的技术实力。本次“听悟”的升级，不仅在于“听得准”，更关键的是“懂得多”——现场亲测下来，无论是实时语音转写、秒级生成会议纪要，还是智能识别发言人、自动生成视频字幕，体验都相当流畅。尤其值得关注的是，它新增了三大核心能力，直接将会议场景的智能化水平向前推进了一大步。

（“听悟”使用界面展示）

首先是“中英文自由说”功能。过去很多语音识别产品遇到中英文混杂的对话时，往往需要手动切换语种，体验非常割裂。而“听悟”此次采用了一种内嵌多语种专家模块的“混合专家系统”，能够自动识别并准确处理大段的中英文混说场景。这意味着，在跨国会议中，参与者可以自由使用母语交流，系统会自动跟上节奏，无需任何手动干预。

其次是“会议实时翻译”功能。这个能力在会上的演示效果非常直观：说话人话音刚落下，屏幕上的字幕已经同步完成转写并翻译成了另一种语言。无需等待，无缝衔接，对于需要频繁与海外团队协作的团队来说，这无疑能节省大量沟通时间。

第三是“QA问答对抽取”功能。这个功能在访谈、尽调或采访场景中格外好用。它能够结合说话人的声纹特征和多阶段训练技术，自动从对话中提取出问题及其对应答案。对于整理采访记录、梳理核心观点而言，相当于直接省去了大量手工梳理的工作量。

（“听悟”进阶版可实现问答抽取，人物及对话为示例）

除了这些面向个人用户的升级，“听悟”还发布了一种全新的PaaS产品形态。它将核心能力以简单易调用的接口方式开放出来，让企业能够在音视频会议、招聘面试、智能客服等更多细分场景中自行集成和二次开发。这相当于把达摩院在语音语言智能领域的前沿算法，变成了一个可以灵活配置的服务组件。

（“听悟”在招聘细分场景中的应用）

阿里巴巴达摩院语音实验室负责人鄢志杰在现场表示：“过去十年，‘人-机’交流是语音AI解锁的核心场景，而更复杂的‘人-人’交流将是下一个高地。”这番话点出了行业正在发生的方向性转变。未来，“听悟”在“人-人”交流领域的持续探索，将聚焦于提供安全、保真、精准的AI识别、分析与理解能力，并基于这些内容为企业提供多种智能办公服务。让AI真正为人所用，替人分担，协助处理那些重复且繁琐的工作。