Тест в реалния свят на метода за въвеждане с изкуствен интелект CosyVoice на Alibaba: Въвеждане без ръце, преобразуване на реч в текст, плавност, която далеч надхвърля очакванията

Искате да изпитате истинска свобода на ръцете? Тази статия предоставя задълбочен тест, базиран на 1000-те въпроса на Alibaba.AICosyVoice, метод за въвеждане, ви предлага поглед към изключително плавното изживяване на „генериране на чернови веднага щом говорите“.

Независимо дали стесамо-медияНезависимо дали сте писател, офис служител или някой, който търси висока производителност, този преглед на функцията CosyVoice и ръководството за потребителя ще ви кажат дали е наистина полезна и как да я използвате, за да удвоите ефективността си. Отключете най-новата технология за писане на текст с глас, базирана на изкуствен интелект, сега!

Много хора са се сблъсквали с „клопките на гласовото въвеждане“, когато пишат статии. След като произнесат дълъг параграф, екранът се изпълва с „ъъъ“, „това“ и „точно така“, което прави изтриването му обезсърчително. Едва когато се появи методът за въвеждане CosyVoice на Alibaba, осъзнах, че гласовото въвеждане наистина може да постигне „свободно говорене и красиво писане“.

Времево клеймо на видеоклипа:

Първи кръг от преживявания: Чиста чернова, генерирана с едно щракване, думите-пълнежи изчезват мигновено.

Най-големият проблем на традиционното гласово въвеждане е прекомерната употреба на думи-пълнежи. Когато си водите бележки по време на среща, говорите много, но полученият текст е объркан.

Опитах се да използвам метода за въвеждане Qianwen, за да кажа едно изречение:

„Ъм... че... докладът за напредъка на проекта следващата седмица, моля, подгответе данните предварително и се уверете, че нищо не е пропуснато.“

Резултатът, показан на екрана, беше:

Моля, подгответе данните си предварително за отчета за напредъка на проекта следващата седмица и се уверете, че нищо не е пропуснато.

Всичките ми крилати фрази изчезнаха мигновено, сякаш някой беше изтрил ръкописа ми. Още по-изненадващо, можеше автоматично да ги организира в списък:

1. Подаване на отчет за напредъка на проекта
2. Завършете решението за изискванията
3. Определете маркетинговия план

В този момент наистина почувствах, че това е съвсем различен вид от традиционното гласово въвеждане.

Втори кръг от преживявания: Безпроблемна смяна на думите, словесното разказване мигновено се превръща в стандартен имейл.

Умишлено тествах възможностите му за коригиране на грешки:

„Утрешната среща ще бъде в заседателна зала номер две на третия етаж — не, не, нека я променим на заседателна зала номер три на третия етаж.“

Директно се извежда: „Утрешната среща ще се проведе в заседателна зала номер три на третия етаж.“
Промяната на адреса не остави следа, естествена като разговор с човек.

Това, което ме изненада още повече, беше, че можеше директно да преобразува изговорени думи в имейли. Казах:

„Бихте ли могли да ми изпратите това в официален имейл формат? Бих искал да насроча среща с г-н Джан в 3:3 часа в четвъртък относно плана за промотиране на марката за третото тримесечие. Ако му е неудобно, можем да се уговорим.“

Няколко секунди по-късно беше генериран пълен имейл:

Тема: Покана за комуникация относно „План за популяризиране на марката за третото тримесечие“

Г-н Джан, здравейте:

За да придвижа по-добре този план, бих искал да обсъдя с вас лично няколко ключови момента. Удобно ли ви е ли време за среща в четвъртък в 3:00 ч.? Ако не, моля, предоставете по-удобен часови интервал и аз ще го уредя.

Благодаря ви!
Маркетингов отдел Сяо Ли

В миналото писането на такива имейли отнемаше поне три до пет минути, но сега отнема само десет секунди, което е огромно подобрение в ефективността.

Трети кръг на тестване: Разпознаването на диалекти е напълно обработено и преобразуването на числовия формат е автоматично.

Друго голямо предизвикателство при гласовото въвеждане са диалектите. CosyVoice обаче се справя с това с лекота.

Моят приятел от Шанхай каза: „Времето е толкова хубаво днес, хайде да се разходим до крайбрежната алея.“
Транслитерираше се като: „Времето е толкова хубаво днес, хайде да отидем на Бунд.“

Може да разбира не само шанхайски, но и кантонски и съчуански. За професионалисти, които трябва да общуват между региони, тази функция е истинско спасение.

Още по-хубавото е, че може автоматично да разпознава числови формати. Например, „12.6%“ се преобразува директно в „12,6%“; „3.58 милиона“ се преобразува автоматично в „358 милиона“. Не е необходимо повече ръчно редактиране във финансови и свързани с данни сценарии.

Четвърти кръг от опит: Умения за работа с горещи думи за подобряване на разпознаването на нишов речник

Разбира се, не е перфектно. Разпознаването на нишови собствени имена все още е малко недостатъчно. Например, когато казвам „du jia“, то го разпознава като „du jia“, което напълно пропуска същината.

За щастие, официалната документация предоставя функция „Hot Word Skill“, която позволява на потребителите ръчно да добавят персонализирани думи. След добавянето им, степента на точност значително се подобрява. Това е практично решение.

Резюме на практическия тест: Преходът от гласово въвеждане като опция към основно решение

Най-важното от теста е, че методът за въвеждане Qianwen не просто „транскрибира звук“, а „разбира какво искате да кажете“.

• Автоматично премахвайте думите-запълващи елементи, сбогувайте се с ръчното изтриване и редактиране.
• Промяната на адреса беше безпроблемна, естествена като разговор с истински човек.
• Изговорените думи се преобразуват директно в имейли, а черновите се генерират за десет секунди.

Комбинацията от тези три възможности трансформира гласовото въвеждане от „опционално“ решение в истинско „основно решение“.

Стойността му не се състои в това да накара хората да си помислят „технологията е невероятна“, а в това да ги накара да си помислят „тя работи наистина добре“. Ето какъв трябва да бъде един метод за въвеждане с изкуствен интелект.

В заключение, бъдещето на гласовото въвеждане е настъпило; истинската интелигентност се крие в това да го направи лесен за използване.

В тази епоха на информационно претоварване, ефективността е равна на производителност. Методът за въвеждане CosyVoice на Alibaba, със своето „плавно“ потребителско изживяване, демонстрира, че гласовото въвеждане вече не е трик, а инструмент, който наистина може да трансформира начина, по който работим.

Това ни освобождава от досадното редактиране и ни позволява да се съсредоточим върху самото съдържание.

Писането на бъдещето вече няма да е свързано с почукване с пръсти по клавиатура, а с директния поток от мисли и език.

Истинската интелигентност не е в това да се хвалиш с технологии, а в това да правиш нещата лесни за използване от хората.