目标网站网页截图，页面可能随时间更新。
- 分类：AI 办公
- 名称：通义实验室
- 来源：tongyi.aliyun.com
通义实验室面向需要处理文字、图像、音频和视频任务的用户，提供从通用语言处理到多模态生成与行业应用的能力集合。使用时可先按任务类型选择相应模型或应用方向，再围绕输入材料、目标格式和业务场景组织需求。
能力范围
通义千问覆盖自然语言理解、文本生成、视觉理解、音频理解、工具使用、角色扮演和AI Agent互动等能力。相关模型包括偏向全能、均衡、轻量、代码、视觉和全模态交互的不同方向，可用于对话、内容整理、程序开发及多模态信息处理。
万相视觉生成模型面向图像、视频和声音生成，覆盖文本生图、图生视频、视频生成、图文混排、视频角色参考和图生动作等任务。
通义实验室主要提供哪些类型的AI能力？
主要包括文本理解与生成、视觉和音频理解、工具使用、智能代理互动，以及图像、视频和声音生成。
办公与内容处理
在办公场景中，可将通义千问用于长文档解析、归纳总结、会议纪要整理和论文核心解读；也可用于文本分类、商品标签提取、评论分类及业务数据标注。
面对招投标、人力资源或数据服务材料时，可先明确需要提取的字段和输出格式，再让模型从非结构化文本中归纳关键信息。材料较长或结构复杂时，宜分段处理并保留原文上下文，以便复核结果。
- 明确任务目标和输出格式。
- 提供需要分析的文本或文档内容。
- 根据任务选择总结、提取、分类或打标方向。
- 对关键结论和结构化结果进行人工检查。
哪些任务适合使用长文档处理能力？
适合会议纪要、论文核心解读以及需要从较长材料中提炼重点的归纳总结任务。
如何处理非结构化文本？
可以先定义需要提取的信息，再要求模型按字段整理；涉及业务决策时，应对输出进行复核。
多模态生成与交互
万相相关模型覆盖文本到图像、文本到视频、图像到视频及图文混排等方向。进行创作时，可先说明主体、场景、动作、镜头或版式要求，再根据任务选择图像、视频或声音生成方向。
在消费电子终端、陪伴与社交、智能座舱等场景中，千问及相关语音和多模态能力可用于实时对话、文字翻译、物体识别、出行助手、智能规划、智能推荐和长期记忆等功能设计。具体落地方式取决于终端形态和业务流程。
万相适合处理哪些生成任务？
可用于图像、视频和声音生成，包括文本生图、图生视频、视频生成、图文混排和视频角色参考等方向。
多模态能力可以用于哪些产品场景？
可用于玩具、穿戴设备、陪伴机器人、智能家居、社交交互和智能座舱等场景的功能设计。
行业数据与安全任务
在数据挖掘领域，可围绕实体识别、电商信息提取、文本分析和自动标注组织任务，帮助处理招投标、人力资源、商品信息、评论及业务数据。
内容安全方向涉及多模态数据分析，可用于识别欺诈、涉黄和敏感内容；设备风控可用于识别风险设备及黑灰产攻击工具特征；互联网反欺诈可用于解析社交内容，识别身份伪装、诱导行为和情感投资类风险。涉及审核、风控或预警时，建议结合明确的业务规则和人工复核流程。
内容安全能力可以识别哪些风险？
包括欺诈、涉黄和敏感内容等风险，也可用于互联网反欺诈中的身份伪装、诱导行为和违规信息识别。
AI输出能否直接作为风控结论？
风控和审核任务涉及业务责任时，宜结合业务规则、人工复核及必要的后续处置流程使用。
使用思路
选择工具时，可先按输入和输出判断：纯文字材料优先考虑语言理解、生成、总结或信息提取；包含图像、音频或视频时，再选择视觉、音频或全模态方向；需要生成画面或动态内容时，可考虑万相的图像和视频能力。
提示需求时，建议说明任务背景、处理对象、关键字段、输出格式和限制条件。对于行业任务，还应补充风险类别、判断标准和处理动作，以便结果更贴近实际流程。
如何开始一个AI办公任务？
先确定材料类型和目标结果，再选择对应的文本、多模态或生成方向，并明确输出格式与判断标准。