我录过一个 40 分钟的会，转写完第一件事就是拉进度条找「那句话到底是谁说的」。以前我用过不少转写工具，也在转录工具对比那篇里横向测过讯飞听见和 Notta，最近把工作流挪到了阿里的通义听悟，用下来觉得值得单独写一篇，不是因为它完美，是因为它有几个点确实打中了我。
先交代用法：我主要拿它做三件事，视频课转文字、线上会议记录、以及把播客「读」了。
它是什么
通义听悟是阿里云出的音视频内容 AI 助手，主打录音录像文件的转写和整理。你把音视频文件扔进去，它给你一份带时间戳的转写稿，并且自动区分不同的说话人（每人一个「说话人 1」「说话人 2」的标记），然后基于转写稿做 AI 整理：全文摘要、章节速览、发言人总结、待办事项、关键词这些都能直接生成，也能针对内容做问答。
直白点说，它是把「录音转文字」和「AI 总结」两件事合成了一条流水线。转写完不用自己再去别的工具里做笔记，它直接给你产出结构化的内容。
给我印象最深的三件事
一是说话人区分。这是我留在这的原因。会议录音最麻烦的就是「谁说的」这个问题，有了说话人分离，会后核对「这句话是客户说的还是我们说的」就快多了。
二是待办事项提取。开完会 AI 自动把「谁下周要干什么」拎出来。我以前是听回放手记待办，现在基本只核对一遍它生成的列表，改几个日期就行。
三是中文识别准确率。带口音的普通话、专有名词，识别结果比我预想的好。当然做不到 100% 准确，个别术语还是需要手动订正，但订正量比讯飞听见少（这是我个人的对比感受，仅供参考）。
价格与免费额度
官方渠道能确认的信息是这样：个人版有免费体验入口，网页版可以直接用。API 版本新用户有 90 天免费试用，试用档位的文件转写每天有 2 小时的免费额度（音频时长计），超出的部分按转写时长付费。
注意区分这两件事：网页版（ tingwu.aliyun.com ）的额度以官方页面展示为准，会随活动变化；API 的计费规则以阿里云帮助文档为准。我写这篇时没有找到网页版个人免费额度的官方明文数字，这点我如实说，避免误导。
适合什么人：经常开会需要纪要的、上课要记笔记的、做自媒体要扒视频文案的。这些人可以直接用起来。纯白嫖党建议先自己体验，再决定要不要付费。
它有明显的短板。中英混杂或者多人抢话的录音里，说话人区分会出错，需要手动合并；专有名词和产品名偶尔转错，得养成自己的订正习惯；免费额度有上限，重度使用前先算一笔账。这三条都不致命，但用之前要有预期。
总结
它解决的是「音视频内容处理」这件事，不追求花哨。如果你的日常工作流里有大量录音录像，它值得进你的工具箱。
有任何问题欢迎在评论区留言，我看到会回复。