通义听悟

它是什么

通义听悟是阿里云的音视频理解与工作学习服务，围绕会议、访谈和课程资料进行转写、整理及内容提取。输入可以是实时音频或已有文件，输出包括带说话人信息的文字、章节和摘要。它同时提供面向使用者的入口与开发接口，这两类账户权益不能混为一谈。录音处理适合帮助定位信息和减少整理工作，但自动摘要不能替代对合同承诺、金额和关键决定的原始记录检查。

主要功能

服务在语音识别基础上提供说话人区分、章节速览、全文摘要、发言总结、问答回顾、思维导图和待办事项等能力，还可提取视频中的PPT并做摘要。整理访谈时，可先取得转写，再按章节寻找某个议题，最后对照原声校正人物姓名与数字。开发者可以组合所需功能接入业务，但每增加一种大模型能力都可能增加费用；不需要的摘要或翻译应与基础转写分开配置。

价格与免费额度

官方新版API报价为转写每小时零点六元，大模型能力每项每小时零点零六四元，实时翻译每小时四元，按所启用功能叠加。新开通服务试用九十天，试用实时记录每天四十八小时、两路并发，文件记录每天两小时、一路并发；这些是API试用条件，不是所有网页账户永久免费。商用通过阿里云账户结算，旧接口另有较高报价，估算成本时应先确认实际调用的新旧接口与功能组合。

适合谁，不适合谁

适合需要整理会议、采访和培训材料的人，也适合将音视频内容分析接到知识库或业务系统的开发团队。会议任务应保留转写与原始材料对应关系，摘要更适合做导航和后续待办草稿。不适合要求所有音频始终留在本机的保密场景，也不适合不看接口类型就按单项最低价采购的组织。多路输入、静音片段和多个Prompt都有相应计费规则，长时间批量处理前需先估算总时长和功能数量。

和同类比差在哪

飞书妙记更便于与飞书协作流程结合，Otter.ai侧重会议笔记与相关团队使用，TurboScribe更接近上传录音后的文件转写。通义听悟同时提供音视频理解API，适合需要把转写、摘要与翻译组合进系统的项目。选择时应明确最后需要的是一份文字稿、带章节的记录还是自动化接口，不能只比较识别语言数量。会议摘要质量还与录音清晰度、多人重叠说话和术语密度有关。

局限与注意

音频上传和实时处理涉及云端服务，录制前需要取得参与者授权，并处理个人信息和公司机密。自动生成的待办应检查负责人、时间和否定语气，避免把讨论选项写成已决定事项。新版与旧版接口的价格不同，多个大模型能力及翻译会叠加，不应把转写单价当作完整会议分析价格。试用期限、并发和账号权限也影响可运行范围，正式接入需设置用量监控并保留可回查的原始材料。

选型速览