“這不降維battle訊飛嗎？”
昨日，在朋友圈一張通義聽悟的專屬口令福利海報下，一位媒體工作者留言道。
彼時在粵港灣大灣區(qū)的廣州，阿里云CTO周靖人對通義聽悟給出了如下描述：作為一款工作學習AI助手，聽悟瞄準具有高知識附加值的音視頻內容場景，比如開會、上課、訪談、培訓、面試、直播、看視頻、聽播客等，能通過大模型等最新AI技術快速提煉和沉淀知識。
一言以蔽之，就是聽力好、悟性高，可以幫人隨時隨地高效完成對音視頻內容的轉寫、檢索、摘要和整理，比如自動做筆記、整理訪談、提取PPT等。而這正是訊飛腹地——訊飛聽見的主戰(zhàn)場。
有意思的是，此前5月，同樣也在粵港灣大灣區(qū)，只不過在澳門，科大訊飛亮相了其大模型軟件產品“訊飛聽見會寫”，就是基于對音頻文件的內容AI分析，自動生成會議紀要、工作代辦、工作計劃，并支持基于原文內容進行AI對話和內容追溯。
簡單來看，不僅功能類同，甚至展示的選址都相近。
會上，阿里云也毫不掩飾自己要挑戰(zhàn)智能語音轉寫頭部的野心，直接拿出了互聯(lián)網慣用的“補貼換用戶”的攻城略地式營銷策略。公測期間，大量發(fā)放20小時轉寫口令碼，甚至權益可累加達免費時長100小時以上，以訊飛聽見App中文/英文機器快轉標準價格0.33元/分鐘來計算，聽悟100小時免費時長可以說是給目標用戶節(jié)省1980元的支出。
不管如何，先說一句，補貼“真香”。
對標訊飛，聽悟有何不同
事實上，這不是獵云網第一次接觸到聽悟。在之前的云棲大會上，聽悟就有內測版本，已經有離線語音/視頻轉寫、實時轉寫、角色分離、分屏記錄等功能。但當時，阿里云的低調內測算是點到為止，好奇者先行。
時至今日，接入大模型能力的“通義聽悟”，作為一個大模型版的聚焦音視頻內容的工作學習AI助手，融合了研發(fā)團隊在推理、對齊和對話問答等方面的研究成果，不僅能完成錄音轉寫，還能一鍵總結全文及不同發(fā)言人觀點，顯然也跟之前版本有較大提升。
根據(jù)周靖人所說，聽悟有兩層含義，首先是“聽”，能夠聽清內容，第二層含義是要“悟”，能夠要理解其中的意思，真正為日常的工作、學習提高效能。故而此次獵云網的簡單測評也主要圍繞這兩點展開。
首先，要想嘗試此次公測版本，目前微信小程序端不支持實時轉寫，主要還是通過通義聽悟官網進行使用，同時可以關聯(lián)自己的阿里云盤，進行音視頻內容導入。語音轉換上，可以開啟實時記錄（實時語音轉文字）和上傳音視頻（音視頻轉文字）兩種方式來實現(xiàn)。
在進行實時記錄并同步翻譯測試上，獵云網采用了B站上TED官方標題為《ChatGPT如此強大，AI的崛起讓人類何去何從？》的視頻語音。在同步翻譯的過程中，可以發(fā)現(xiàn)比對中文字幕，聽悟的翻譯結果總體意思理解尚可，但是在語句在翻譯的順序上有所偏差，譬如“在關于未來工作真正有用的東西”，聽悟的結果為“有用的關于工作的未來”，同時可能存在部分缺漏的翻譯情況，譬如“他們可能會搶走我們所有的工作”，關于“搶走”這個動詞沒有體現(xiàn)。
來源：獵云網
在音視頻轉文字測試上，獵云網采用了訊飛聽見錄音筆錄制的一段內容，通過上傳阿里云盤，同步到聽悟進行語音轉換，發(fā)現(xiàn)就微弱語音的信息捕捉上，聽悟優(yōu)于訊飛聽見，捕捉了一句訊飛聽見未轉換的內容，而轉換的準確度上，訊飛聽見更勝一籌，跟錄音內容一致，但聽悟會出現(xiàn)個別詞的錯誤轉換。
來源：獵云網
雖然在聽上，聽悟從此次測試比對上總體看略遜色于訊飛聽見，但悟的理解及分析能力著實讓人眼前一亮，就獵云網提供的錄音來看，聽悟在全文概要、章節(jié)速覽以及關鍵詞提取上除了個別字眼的錯誤外，整體較為準確，對于文字工作者來說其增效明顯。
來源：聽悟截圖
從某種程度上來說，通義聽悟定位為面向工作、學習的AI助手，是實至名歸。通義聽悟雖然現(xiàn)在才進行公測，但早在阿里巴巴內部開展使用，并經歷了從聽到悟的升級過程。
據(jù)通義聽悟技術負責人鄢志杰透露，過去很多項目管理的同學上項目會，例如投資部到外面訪談、盡職調查，以及人力資源招聘等內部場景，聽悟更多還是做語音的記錄、簡單回顧跟整理。但從2019年開始，阿里云陸續(xù)在大模型方面進行重點研發(fā)跟積累，在基于通義千問大模型對文字和知識體系的理解+阿里云在音視頻相關的模型能力，聽悟才得以實現(xiàn)AI能力的場景化。
瞄準智能語音轉寫，實則以模型服務開局
正如上文所說，聽悟對標的是訊飛聽見，但之所以阿里云先盯上音視頻轉寫領域，一方面是有著多年語音技術的積累，另一方面也是瞄準了科大訊飛在國內智能語音轉寫市場的核心領地。
自2017年11月訊飛在“用AI為世界賦能”的發(fā)布會上，“順手”展示了訊飛聽見的中英文實時字幕，便讓這項堪稱黑科技的產品，讓其在AI 1.0時代初期，迅速確立了AI龍頭的位置。六年間，訊飛營收從2017年的54.45億，一躍增長至2022年的188.20億，對應28.15%的復合增速。
其中，訊飛主要提供AI解決方案平臺、智能硬件（錄音筆）和移動互聯(lián)網增值產品（輸入法、訊飛聽見）的開放平臺及消費者業(yè)務，是僅次于教育領域的第二大營收來源。在2020年至2022年，該業(yè)務的營收占比從23.65%增長至2022年的24.66%。營收從30.8億增長至2022年的46.4億，對應復合增速為22.74%。
從訊飛的數(shù)據(jù)來看，智能語音從企業(yè)營收以及用戶需求層面是一個值得切入的好市場，除以科大訊飛、搜狗為代表的專業(yè)智能語音企業(yè)外，以阿里云、騰訊云為代表的云服務廠商，以網易為代表的專業(yè)轉寫或翻譯廠商等也一直躍躍欲試，頗有三分天下的態(tài)勢。
這一次，阿里云切入訊飛腹地，也算在意料之中。
只不過就拿產品和價格來說，目前功能相差不大的情況下，訊飛聽見的用戶可能并不一定會對聽悟太感冒。聽悟“補貼”雖香，但不要忘了科大訊飛多年前其憑一招“智能錄音筆用戶享終身免費翻錄服務”，一舉收割了編輯、分析師、律師、HR、學生等大量市場需求，行業(yè)地位暫時無人能及。
據(jù)公開資料顯示，科大訊飛的智能錄音筆市場份額在2022年增至44%，在雙十一期間內占GMV市場份額的57%，市場份額一直保持第一。
從這個角度去看，聽悟現(xiàn)在高調殺入智能語音市場，為battle訊飛造勢及免費福利派送，更像是阿里云號召大家來對聽悟進行一次“嘗試”，背后是來感受通義千問大模型的能力。
通義聽悟背后依賴通義千問大模型，主要基于阿里云一系列技術投入以及相關的進展，而云和整個智能化密不可分。
周靖人在4月份有提到過云智一體等方面內容，阿里云從一開始設計包含云和智能，這是兩個重要相輔相成的環(huán)節(jié)。他表示，特別是從IaaS、MaaS、PaaS三層的架構來看，所有范疇其實都是在講云整體的技術，包括通義聽悟以及通義千問，都是云技術在這個時代怎么快速變革、快速應對以及在新時代浪潮里如何不斷創(chuàng)新。
通義千問發(fā)布之后，阿里云就陸續(xù)在全國推進快速部署AI模型的工作，而通義聽悟的推出更多像是一種官宣：阿里云不光在算法層面上，還把模型能力提升到產品里面，去服務到更多開發(fā)者或者各行各業(yè)。
也就是說，在這一波聲勢之下，阿里云以通義聽悟作為MaaS（模型即服務）環(huán)節(jié)下的典型，想讓更多企業(yè)及開發(fā)者注意到，通過把模型訓練和模型服務的成本不斷降低，開發(fā)者可以把模型有效使用起來，對模型進行二次開發(fā)，讓阿里云的AI能力可以集成到他們業(yè)務中去，進行更多云上創(chuàng)新。
有專注大模型研究的投資人表示，語音轉文字能力各家其實差距不大，轉寫是一般能力，更重要的是能做到丟失重要內容的情況下去結構化改寫總結才是突破。
“就通義聽悟來說，更像是阿里云給通義千問大模型找落地場景，以及從數(shù)據(jù)源積累上看也更為合理?！?/p>
卷大模型之爭，AI技術應用成焦點
頗有意思的是，這邊通義千問降維用通義聽悟對標訊飛聽見，那邊科大訊飛也以星火大模型飆入國內大語言模型賽道，其CEO劉慶峰還強調“現(xiàn)在訊飛星火的語言理解能力，不僅在國內是遙遙領先的，跟ChatGPT也僅僅一步之遙”、“我們在今年十月份之前就會超過（ChatGPT）”。
豪言壯志之下，科大訊飛的一季度財報并不好看，營業(yè)收入28.88億元，同比減少17.64%；歸屬于上市公司股東的凈利潤-5789.53萬元，上年同期為盈利1.11億元，營收、凈利雙降。當然這也部分“歸功”于公司2022年12月15日啟動了“1+N認知智能大模型專項攻關”，攻關項目的新增投入。今年一季度，科大訊飛的研發(fā)投入達到7.157億，同比增加了近6%。
從聽悟PK聽見，通義千問PK星火，不難發(fā)現(xiàn)，從這場智能語音的技術應用往上看，實質是大模型的根本較量。
據(jù)不完全統(tǒng)計，2月復旦大學發(fā)布MOSS；3月清華大學發(fā)布ChatGLM-6B、百度發(fā)布文心一言；4月阿里云發(fā)布通義千問、知乎發(fā)布知海圖AI；5月，科大訊飛發(fā)布星火、騰訊發(fā)布混元、360發(fā)布360GPT。再到5月31日，百度創(chuàng)始人李彥宏宣布啟動“文心杯”創(chuàng)業(yè)大賽，設立規(guī)模10億元投資基金支持生成式AI領域初創(chuàng)企業(yè)，一場從大模型層到應用層的AI狂潮正在加速。
從百度智能云在本季度實現(xiàn)了盈利（non-GAAP）來看，百度率先吃到了大模型的紅利，而李彥宏也表示計劃逐步將文心一言融入百度的所有業(yè)務，為產品及服務賦能，吸引更廣泛的用戶及客戶，圍繞文心一言在新的時代中建立新生態(tài)。
對比之下，5月18日阿里云2023財年營收增速為3.5%，意味著在生成式AI帶來了人工智能新模式的變革中，在云之上，阿里云亟需尋求新增量——大模型至關重要。
在通義聽悟發(fā)布前，阿里云就推出了一系列全新的產品和價格政策，包括AI 大模型通義千問的成果展示及行業(yè)探索、推出核心產品降價和免費試用計劃、大幅提高合作伙伴傭金率等。但萬變不離其宗，主要目標就是擴大阿里云公共云的客戶數(shù)量和用云規(guī)模，并帶動各類 AI 模型訓練和服務所需的高性能算力的增長，來為阿里云的長遠發(fā)展構建更可持續(xù)的增長動力。
正如周靖人所說，通義聽悟的發(fā)布并不是一個終點，而是一個新起點。
這場基于大模型的產品和企業(yè)解決方案的較量，序幕已拉開。