起點(diǎn)課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識你的工作學(xué)習(xí)AI助手：通義聽悟，如何通過AI能力顛覆其他產(chǎn)品？
在工作中，不少職場人都需要借助一定的軟件來提高工作效率，比如結(jié)合通義聽悟或飛書妙記的語音轉(zhuǎn)文字功能，來輔助業(yè)務(wù)的進(jìn)行。這篇文章里，作者就對通義聽悟這款產(chǎn)品進(jìn)行了拆解分析，不妨來看一下。
過去我是飛書妙記的重度用戶，現(xiàn)在我?guī)缀跬耆艞壦?/p>
只是因?yàn)樾庐a(chǎn)品的出現(xiàn)：通義聽悟！
它將語音轉(zhuǎn)文字的操作一鍵完成，轉(zhuǎn)換準(zhǔn)確率大幅提升，支持多種導(dǎo)出格式，更重要的是還具備強(qiáng)大的AI分析能力，實(shí)現(xiàn)智能提煉、總結(jié)等功能。
想象一下，復(fù)雜的工作可以被簡化，重復(fù)的勞動可以被自動化，難以獲取的價值可以被發(fā)掘。
下面讓我?guī)阋黄穑匦赂惺蹵I的力量 : )
Take Away：
- 通義聽悟如何利用AI能力，改善語音轉(zhuǎn)文字的使用體驗(yàn)？
- 通義聽悟相較其他產(chǎn)品的獨(dú)特優(yōu)勢在哪里？
- 它的產(chǎn)品演化路徑是怎樣的？
- 它的產(chǎn)品主體框架是什么？
- 通義聽悟可能的商業(yè)模式和發(fā)展前景？
- 通義聽悟產(chǎn)品迭代的幾點(diǎn)建議
一、通義聽悟Super已經(jīng)重度使用了！
給大家看我的界面：
很多音頻文件我都是用通義聽悟來處理，有哪些場景會用到呢？給大家說說幾個典型的例子?。?/p>
1. 聽播客
我們現(xiàn)在時間有限，很多優(yōu)秀的播客內(nèi)容又想聽，那怎么辦呢？可以使用下面的方法來把音頻文件導(dǎo)出來，丟給通義聽悟，轉(zhuǎn)成文字版本，還帶有總結(jié)呢，方便多了：
將小宇宙的單集節(jié)目分享到微信里；
再用電腦瀏覽器打開單集節(jié)目的鏈接；
在播放按鈕上右鍵，選擇檢查；
在右側(cè)的源代碼界面，找到Audio Src=“xxx”；
雙擊復(fù)制，打開一個新窗口，粘貼后打開該鏈接；
在播放器下面的三個小點(diǎn)按鈕那點(diǎn)擊一下，選擇下載；
把這個mp3丟給通義聽悟，幾分鐘，就可以開始看文字了。
2. 前采總結(jié)
我做訪談節(jié)目，有些會有個前采環(huán)節(jié)，相當(dāng)于預(yù)先的采訪，這里會產(chǎn)生2-3小時的對話內(nèi)容，我習(xí)慣說把過程錄音下來，然后回來丟給通義聽悟，基于轉(zhuǎn)文字之后，來做提煉總結(jié)。
甚至更進(jìn)一步，我會把訪談內(nèi)容導(dǎo)出成word，丟給Claude，請它來總結(jié)嘉賓的成長經(jīng)歷：
以及給出對應(yīng)的訪談提綱：
這樣能非?？焖俚貛椭覀兲釤拑?nèi)容，并且我們可以根據(jù)最后的內(nèi)容做調(diào)整和修改。
有關(guān)我是如何用Claude來提高效率的，大家可以等我下一篇文章。
3. 視頻&播客剪輯配合
因?yàn)槊恳黄诓タ鸵纛l的時長會在2個小時以上，需要剪輯成40-50分鐘的內(nèi)容，就需要對著文字來做刪減，我會先把視頻里面的音頻提取出來，丟給通義聽悟，然后對著里面的文字做標(biāo)注，方便回頭用Audition來做刪減：
文字上標(biāo)注藍(lán)色的，是我會保留的內(nèi)容，其他的會刪掉。
這樣在Audition操作的時候，就可以對照著看，快速的找到時間點(diǎn)做處理了。
4. 播客高亮和Shownotes提取
我做播客，習(xí)慣把一些精彩的對話片段放在音頻一開頭，吸引到聽眾。
怎么做呢？
通義聽悟有一個功能叫實(shí)驗(yàn)室，里面會提取出一些值得關(guān)注的內(nèi)容，根據(jù)我的幾次測試，里面推薦的文字，不少確實(shí)是整段對話中的精彩片段！這就很省事了！
除此之外呢，通義聽悟還有章節(jié)速覽的功能，對于輔助我做好Shownotes頗有幫助，可以借助來快速找到對應(yīng)的內(nèi)容段落：
二、為什么通義聽悟可以取代飛書妙記
在是用通義聽悟之前，我一直在用飛書妙記，飛書妙記的核心功能，也是視頻/語音轉(zhuǎn)文字，但我現(xiàn)在只會在需要分享給嘉賓的時候，才會回到飛書妙記上，因?yàn)槟壳巴x聽悟還不大能分享。
那在哪些點(diǎn)上，通義聽悟做的比飛書妙記要好呢？
主要有三層：
- AI總結(jié)能力
- 用戶體驗(yàn)層面
- 產(chǎn)品顆粒度
我們分別來講講。
1. AI總結(jié)能力
飛書妙記主體還是以語音轉(zhuǎn)錄為主，然后我們看右上方也提煉了一些關(guān)鍵詞，點(diǎn)擊之后相當(dāng)于搜索關(guān)鍵詞。
除此之外，幾乎就沒有了AI總結(jié)的能力。
那我們反過來看通義聽悟，至少有這么幾個AI能力：
1）關(guān)鍵詞、全文摘要、章節(jié)速覽、發(fā)言總結(jié)
分別從不同維度使用AI做了內(nèi)容摘要。
2）問題回顧
打開后，它會對原文內(nèi)容中的問題，做高亮顯示。
我看了下，基本覆蓋得很全面。
3）值得關(guān)注
提取了算法覺得一些重點(diǎn)的內(nèi)容片段，鼠標(biāo)移上去會出現(xiàn)浮窗，可以點(diǎn)回顧，正文會跳轉(zhuǎn)到內(nèi)容所在的位置，可以點(diǎn)摘取，會把語句復(fù)制到右側(cè)的編輯區(qū)。
4）待辦事項(xiàng)
會自動的提取出正文內(nèi)容里可能需要代辦的事項(xiàng)。
值得關(guān)注、待辦事項(xiàng)兩個區(qū)域，都可以自己手動新增記錄。
5）翻譯能力
6）自定義專屬詞匯
如果希望有很多專有詞匯，希望語音轉(zhuǎn)的比較準(zhǔn)確，可以自己增加。這個我倒是沒用過，普通的轉(zhuǎn)譯已經(jīng)挺準(zhǔn)的了。
2. 用戶體驗(yàn)層面
1）易用性角度
通義聽悟支持微信小程序，并且可以從微信里直接讀取文件。
而飛書妙記必須使用PC網(wǎng)頁端才能上傳文件，使得你的文件必須要首先同步到電腦上，就很麻煩了。
2）為了工作學(xué)習(xí)打造
因此右側(cè)給了一半的編輯區(qū)域，可以把正文部分的內(nèi)容一鍵摘取過來，也可以把標(biāo)記的內(nèi)容一鍵摘取。
編輯器也做的挺豐富的，基本的功能也都支持。
3）標(biāo)注的部分會在時間軸上顯示，方便用戶查找
4）時間軸會顯示所處的段落
5）導(dǎo)出格式友好
飛書妙記只支持飛書文檔、TXT之類的，麻煩得很。通義聽悟則直接支持主流的PDF、Word。
其他的還有不少細(xì)節(jié)，大家可以自己去挖掘一下。
3. 產(chǎn)品顆粒度
飛書妙記，如果你想使用，得注冊飛書賬號，并且必須是企業(yè)賬號，這帶來了使用門檻。
同時，飛書妙記是飛書All in One工具體系的其中一個模塊，也讓它的易用性收到了飛書整體系統(tǒng)的復(fù)雜度。
整體容量在免費(fèi)版本里面，上限就是10個G：
之前我使用，都經(jīng)常需要刪除內(nèi)容來保留空間。
那通義聽悟，則更加小巧靈活。因?yàn)樗褪且粋€獨(dú)立的產(chǎn)品，可以更加專注的做用戶場景的優(yōu)化。
之前是網(wǎng)頁版，現(xiàn)在針對微信增加了小程序版，體驗(yàn)更加絲滑了。小程序使用微信手機(jī)接口授權(quán)就可以登錄，使用門檻大幅降低。
容量空間只有2個G，但是呢，它打通了阿里云盤，在上傳音視頻界面里，可以選擇直接從阿里云盤里面導(dǎo)入，這個時候是不占用空間的。
因?yàn)镾uper使用阿里云盤比較早，我的阿里云盤空間是1.79TB，足夠足夠了。
對我來講，通義聽悟+阿里云盤=免費(fèi)的無限空間。
小結(jié)來看，飛書妙記只是針對飛書本身的應(yīng)用場景，比如使用飛書在線會議時，可以一鍵轉(zhuǎn)錄成飛書妙記，并自動轉(zhuǎn)寫成文字，這是非常方便的。
但也恰巧是All in One限制了它，它并不是作為一個獨(dú)立產(chǎn)品快速迭代更新的。使用飛書妙記有一兩年的時間了吧，我?guī)缀鯖]有看到過它在什么地方有過更新。。。
但通義聽悟有后發(fā)優(yōu)勢，獨(dú)立團(tuán)隊(duì)開發(fā)，也瞄準(zhǔn)了更加廣闊的工作學(xué)習(xí)AI助手的場景，快速迭代，推出的功能也非常符合用戶需求，加上AI的賦能，很快就有了不少黑科技的突破。
就我自己來講，已經(jīng)推薦了身邊很多朋友使用：
三、通義聽悟產(chǎn)品演化
根據(jù)【三五環(huán)】《No.121 對談志杰：從通義聽悟看，當(dāng) AI 不再是工具，而是個人助手》；
志杰是阿里云通義聽悟產(chǎn)品&研發(fā)負(fù)責(zé)人，根據(jù)播客內(nèi)的交流，我們可以得知，通義聽悟的誕生至少有這么幾個大階段：
- 構(gòu)建技術(shù)底盤：招AI人才，做算法的研究等等，是一個純技術(shù)打造的環(huán)節(jié)；
- 技術(shù)服務(wù)內(nèi)部：阿里內(nèi)部的呼叫中心會產(chǎn)生大量數(shù)據(jù)，如何用算法提供產(chǎn)品服務(wù)于場景的課題就產(chǎn)生了；
- 云端產(chǎn)品演化：基于阿里云，使用API輸出技術(shù)，其他的B端企業(yè)就可以使用這一服務(wù)，別客戶集成使用；
- 服務(wù)內(nèi)部同事：公司同事出現(xiàn)例會，戰(zhàn)略會，有音頻整理的需求，就做了個網(wǎng)站，接著發(fā)現(xiàn)投資部門做背景調(diào)查也會用到，發(fā)布會會用到，年會的外籍員工比較多，也有“同聲傳譯”的需求出現(xiàn)，加上大模型的出現(xiàn)，就開始變成產(chǎn)品化正式立項(xiàng)了。
- 免費(fèi)產(chǎn)品公測：做一款ToC產(chǎn)品，搜集用戶反饋，探索用戶真正的需求。
我們看到這種演化過程，它就會更加像是，先有技術(shù)積累，逐步服務(wù)更多用戶之后，進(jìn)一步的擴(kuò)展成C端產(chǎn)品，去搜集用戶反饋，反過來看在具體的場景里要去突破什么技術(shù)要點(diǎn)：
從目前可見的產(chǎn)品迭代來說，確實(shí)是如此，比如下面提到的PPT提取就很典型。
當(dāng)然，我覺得這一章節(jié)里面，通義聽悟的訴求絕不僅僅是持續(xù)的做好技術(shù)和產(chǎn)品的相互促進(jìn)，其實(shí)他們的產(chǎn)品定位也非常的清晰“你的工作學(xué)習(xí)AI助手”，對于這個市場的渴望絕對是很強(qiáng)的。
當(dāng)前能找到新市場增量的產(chǎn)品不多，有潛在的機(jī)會，放過太可惜了，所以我們也看到通義聽悟在快速迭代，包括多個渠道的產(chǎn)品覆蓋等等。從動作回推，市場化的欲望騙不了人。
另一方面，我們看完通義聽悟的誕生和演化過程，也能理解，在戰(zhàn)略上的思考，也直接決定了產(chǎn)品的大?。?/p>
飛書妙記是為了飛書服務(wù)的，通義聽悟是從為客戶服務(wù)，到為用戶服務(wù)的獨(dú)立產(chǎn)品，背靠阿里云、釘釘資源。結(jié)果似乎必然。
四、通義聽悟產(chǎn)品設(shè)計
Super理解，通義聽悟的技術(shù)層面，由下面的架構(gòu)構(gòu)成：
技術(shù)層面不多說，我們來看看toC側(cè)，它的整體產(chǎn)品框架設(shè)計：
它的產(chǎn)品構(gòu)成是：
- 語音轉(zhuǎn)寫是地基
- AI分析是高樓
怎么理解呢？
我們看到通義聽悟，名稱里的聽悟，就是聽了悟了，是先聽再悟！
把聽到的語音，轉(zhuǎn)化成文字，然后就可以使用AI的能力對文字進(jìn)行語義理解，再做各種黑科技操作。
因?yàn)槿粘９ぷ骱蜕钪?，人類接受信息的方式，除了看就是聽?/p>
根據(jù)美國哈佛商學(xué)院有關(guān)研究人員的分析資料表明，人的大腦每天通過五種感官接受外部信息的比例分別為：視覺83%，聽覺11%，嗅覺3.5%，觸覺1.5%，味覺1%.
視覺信息包含大量細(xì)節(jié)，存儲和處理成本很大。聲音信息特別是人類的對話信息，則信息量小很多，AI好做處理，把聲音信息處理好，能夠解決大量的工作生活學(xué)習(xí)的場景，比如聽課、聽播客、對話等等。
所以在處理信息時，優(yōu)先選擇容易做的聲音信息，是很正確的邏輯。
我們可以看到，通義聽悟也可以處理視頻，不過更多的是基于視頻里的音頻轉(zhuǎn)錄成文字后，基于時間點(diǎn)對視頻上的進(jìn)度做對應(yīng)關(guān)聯(lián)。
這是通義聽悟的基本盤。也就是語音轉(zhuǎn)寫是地基的含義。
這個也是飛書妙記的基本盤，甚至說飛書妙記的絕大部分功能都體現(xiàn)在語音轉(zhuǎn)寫上面。
超越飛書妙記的通義聽悟，發(fā)力就發(fā)力在了AI分析上。
我們前面提到的通義聽悟之所以能夠取代飛書妙記，就是在AI總結(jié)部分有很多發(fā)力。
AI分析是高樓。這座高樓使得通義聽悟在使用體驗(yàn)上，遠(yuǎn)超飛書妙記。
除了上面說的這兩點(diǎn)，通義聽悟還有一個功能最近更新的很有意思：
上傳視頻文件后，通義聽悟?qū)⒆詣幼R別和總結(jié)視頻中的PPT，你可以在視頻下方閱讀圖文總結(jié)，點(diǎn)擊圖片全屏查看，還支持導(dǎo)出PPT文件哦！
我自己倒是用不上，但是看這個功能，對于上網(wǎng)課，學(xué)視頻課程的，還是很有意義的。結(jié)合了視頻中的圖片識別、提取、關(guān)聯(lián)、摘要總結(jié)、分段等。
也是徹底貫徹了通義聽悟的slogan“你的工作學(xué)習(xí)AI助手”
五、通義聽悟的商業(yè)前景
我們首先要了解，通義聽悟背靠阿里云，意味著有強(qiáng)大的AI技術(shù)積累和算力支持！這是其商業(yè)化的重要支撐！
2022年，阿里云在中國云市場占有率為36%，為市場最大者。
基于按使用量付費(fèi)的模式，結(jié)合阿里云市場，可以快速打入到大客戶。
另外，阿里的云釘一體，通義聽悟可以與釘釘深度打通，成為協(xié)同辦公場景下的智能產(chǎn)品，提高產(chǎn)品的附加值。
截至2022年9月30日，釘釘用戶數(shù)破6億人，企業(yè)組織數(shù)超過2300萬家，付費(fèi)DAU（日活用戶數(shù)）突破1500萬人。
嵌入到釘釘?shù)臅h里面還是有比較大的價值的，就看是用什么方式嵌入，以及企業(yè)的需求量多大了。
我自己是比較樂觀的，特別是如果能夠和云存儲捆綁的話，就比較有增值服務(wù)的意義。
我們看騰訊會議就有類似的服務(wù)，按月收25元，包含了會議語音轉(zhuǎn)文字等功能：
以上是B端的市場前景。
在C端，通義聽悟也非常有機(jī)會，目前是免費(fèi)內(nèi)測階段，從公司重要Ai產(chǎn)品階段出發(fā)，通義聽悟完全可以繼續(xù)用免費(fèi)的C端邏輯，來繼續(xù)快速打開市場，并且獲得用戶反饋，這樣可以快速迭代產(chǎn)品，不斷地占有更大的市場。
免費(fèi)的邏輯，可以這么設(shè)計：
1）免費(fèi)使用，但需要和現(xiàn)在一樣積累轉(zhuǎn)寫時長。
2）轉(zhuǎn)寫時長可以增加獲得難度，比如每天登錄只能獲得1小時轉(zhuǎn)寫時長，重度使用用戶可以通過邀請好友獲得轉(zhuǎn)寫時長，或者是付費(fèi)進(jìn)行購買轉(zhuǎn)寫時長。
利用稀缺資源卡脖子，關(guān)注用戶的動作行為來評估產(chǎn)品對用戶的重要程度，再持續(xù)的調(diào)整商業(yè)邏輯。
同時，從功能層面來說，目前在產(chǎn)品體驗(yàn)上是遠(yuǎn)超飛書，但是功能體驗(yàn)層面，或許不構(gòu)成護(hù)城河，核心還是單純的產(chǎn)品是否能夠很強(qiáng)的解決用戶的剛需，按照當(dāng)前的情況，競品包括飛書和騰訊會議，其轉(zhuǎn)寫功能是附著在主體（飛書、騰訊會議）本身的，脫離了主體，目前只剩下通義聽悟可以單獨(dú)去解決用戶需求。
還是有比較大的先發(fā)市場機(jī)會的。
六、產(chǎn)品迭代方向
通義聽悟目前在產(chǎn)品設(shè)計層面，主體框架已經(jīng)比較穩(wěn)定了，底層的大模型技術(shù)迭代，我們就不說了，下面從幾個方面簡單講講后續(xù)可以做的方向：
1）覆蓋更多渠道：除了瀏覽器插件，增加iOS、安卓App覆蓋，使得用戶在應(yīng)用商店搜索時，可以找到應(yīng)用下載。
2）支持更多音頻輸入來源：目前僅限于本地上傳音頻文件，如果可以直接解析網(wǎng)頁里的音頻鏈接，會更加方便，比如BiBiGPT可以丟鏈接直接獲得總結(jié)的結(jié)果：
我們看播客、視頻場景，是需要在通義聽悟里面上傳文件的，如果可以自動解析鏈接里的音視頻內(nèi)容，就有大幅簡化了用戶的操作流程。
3）打通云存儲服務(wù)：除了阿里云盤，也可以增加更多云盤的支持，比如夸克網(wǎng)盤等常用的云盤，擴(kuò)展用戶場景，夸克也同樣是阿里系產(chǎn)品。
、
4）用戶體系打通：現(xiàn)在通義聽悟是一個獨(dú)立產(chǎn)品，也是個比較輕量化的產(chǎn)品，可以考慮和flomo一樣，像水那樣融入到其他產(chǎn)品里面。除了釘釘，也可以考慮找到有類似場景的產(chǎn)品融合。
5）提供個性化定制功能：當(dāng)前支持用戶自定義專有詞匯，后面可以考慮增加不同的模型，比如美劇字幕模型、專業(yè)英語考試模型等等。
6）增加快捷鍵：可以增加一些快捷鍵，提高操作效率。
比如選擇文案后彈出的窗口，我還需要移動鼠標(biāo)去選擇功能操作，這里可以增加一個快捷鍵，免去了移動鼠標(biāo)的動作。
7）輸出格式多樣化：目前的輸出還是以文字為主，可以考慮增加思維導(dǎo)圖的模式，對于用戶理解全文結(jié)構(gòu)會更加清晰直觀。
8）開放API接口：現(xiàn)在需要進(jìn)入到幫助頁面才能找到，可以在官網(wǎng)首頁更加直觀的展示入口，鼓勵開發(fā)者調(diào)用。
9）探索新商業(yè)模式：除了常規(guī)的接口調(diào)用后付費(fèi)模式、可能的付費(fèi)購買轉(zhuǎn)寫時長模式，還可以增加比如企業(yè)的語音監(jiān)測等模式。
10）國際化：面向東南亞、歐美、非洲市場，開拓海外。
七、總結(jié)
今天在即刻上看到呂立青放出來的騰訊會議截圖，在會議摘要上已經(jīng)做到不輸通義聽悟的程度了。技術(shù)上，不覺得通義聽悟有很強(qiáng)的護(hù)城河：
Super個人認(rèn)為通義聽悟比起飛書妙記、騰訊會議更厲害的一點(diǎn)，反而它是獨(dú)立產(chǎn)品：
它是API，它是網(wǎng)頁，它是小程序，它是App，它是水，可以流動在一切需要它的地方。也正是如此，它的技術(shù)架構(gòu)反而能夠無限聚焦在工作學(xué)習(xí)領(lǐng)域擴(kuò)展：
不斷在用戶最有需求的地方延展自己的能力。
今天我們文章就在這里正式進(jìn)入了尾聲，來一段正式的總結(jié)吧：
數(shù)字化時代，語音轉(zhuǎn)文字成為提高工作效率的利器。通義聽悟作為新晉玩家，憑借獨(dú)立產(chǎn)品的靈活迭代優(yōu)勢，在AI能力上不斷突破，領(lǐng)先于同類產(chǎn)品。
然而技術(shù)迭代速度無止境，用戶體驗(yàn)至上。通義聽悟仍需在易用性、商業(yè)模式等方面不斷優(yōu)化，與用戶場景和需求零距離貼合，才能在激烈競爭中脫穎而出。
期待通義聽悟能繼續(xù)發(fā)力AI，以“你的工作學(xué)習(xí)AI助手”為使命，助力用戶提升工作學(xué)習(xí)效率，創(chuàng)造更大價值。也歡迎更多優(yōu)秀產(chǎn)品加入這場讓人類生活變得更美好的競賽。
AI改變世界！
參考：【三五環(huán)】《No.121 對談志杰：從通義聽悟看，當(dāng) AI 不再是工具，而是個人助手》 包括產(chǎn)品演化，產(chǎn)品架構(gòu)部分
專欄作家
Super黃，微信公眾號：Super黃的念想，人人都是產(chǎn)品經(jīng)理專欄作家。專注于深度產(chǎn)品拆解+商業(yè)分析。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議。
該文觀點(diǎn)僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。
寫的好，感謝分享。