钉钉AI升级多模态：能根据图片识人、翻译、创作、多轮问答

新浪科技讯 3月28日午间消息，钉钉AI助理迎来升级，上线图片理解、文档速读、工作流等产品能力，探索多模态、长文本与RPA技术在AI应用的落地。

基于阿里通义千问大模型，升级后的钉钉AI助理拥有更强的视觉推理能力和长文本速读能力。目前，用户在钉钉IM消息框或点击魔法棒按钮进入AI助理对话框，发送长文件、在线文档、网页链接、视频内容，即可根据内容识人、识地点、分析、答题、翻译、摘要、提取文字，甚至可以通过多轮交互进一步做智能问答。

基于通义千问Qwen-VL-Max视觉理解模型，钉钉AI助理能够准确描述和识别图片信息，并根据图片进行信息推理、扩展创作、文字提取、翻译等。

此外，AI助理也支持视频内容的速读。发送给AI助理的短视频、直播切片或培训视频可以被快速“观看”，AI助理会根据视频内容生成字幕，提取关键词，并生成一份智能摘要，对于最高2GB的视频内容，仅需3分钟即可完成智能解读。

基于通义千问大模型，钉钉AI助理可以快速阅读本地文件如word、PDF、PPT、Excel 等、钉钉文档、网页链接等多种格式文件。值得一提的是，钉钉AI助理对长文本的处理能力已支持单次阅读500页的文件，可以为法律、医学、金融等专业领域提供信息服务。

为让AI助理可以完成一系列更复杂的任务，钉钉AI助理上线了工作流能力，比如搭建能自动写脚本并生成视频的创作AI助理。为降低用户的使用门槛，钉钉官方还提供了多种工作流模板。