আলিবাবার কজিভয়েস এআই ইনপুট পদ্ধতির বাস্তব পরীক্ষা: হ্যান্ডস-ফ্রি ইনপুট, স্পিচ-টু-টেক্সট আউটপুট এবং সাবলীলতা প্রত্যাশার চেয়ে অনেক বেশি

সত্যিকারের হ্যান্ডস-ফ্রি স্বাধীনতার অভিজ্ঞতা নিতে চান? এই নিবন্ধে আলিবাবার ১০০০ প্রশ্নের উপর ভিত্তি করে একটি বিশদ পরীক্ষা তুলে ধরা হয়েছে।AICosyVoice, একটি ইনপুট পদ্ধতি, আপনাকে 'কথা বলার সাথে সাথেই খসড়া তৈরি করার' চূড়ান্ত মসৃণ অভিজ্ঞতার এক ঝলক দেখায়।

আপনি কিনাস্ব-মিডিয়াআপনি একজন লেখক, অফিস কর্মী, বা উচ্চ উৎপাদনশীলতা প্রত্যাশী যেই হোন না কেন, এই CosyVoice ফিচার রিভিউ এবং ইউজার গাইড আপনাকে জানাবে এটি সত্যিই কার্যকর কিনা এবং আপনার কর্মদক্ষতা দ্বিগুণ করতে কীভাবে এটি ব্যবহার করবেন। এখনই উন্মোচন করুন সর্বাধুনিক এআই ভয়েস-ভিত্তিক টেক্সট লেখার প্রযুক্তি!

প্রবন্ধ লেখার সময় অনেকেই ‘ভয়েস ইনপুটের অসুবিধাগুলো’ অনুভব করেছেন। একটি দীর্ঘ অনুচ্ছেদ বলার পর, স্ক্রিনটি ‘উম’, ‘ওটা’, এবং ‘ঠিক বলেছেন’-এর মতো শব্দে ভরে যায়, যা মুছে ফেলাটা বেশ বিরক্তিকর হয়ে ওঠে। আলিবাবার কজিভয়েস ইনপুট পদ্ধতি আসার পরেই আমি উপলব্ধি করি যে, ভয়েস ইনপুটের মাধ্যমে সত্যিই ‘সাবলীলভাবে কথা বলা এবং সুন্দরভাবে লেখা’ সম্ভব।

ভিডিও টাইমস্ট্যাম্প:

প্রথম অভিজ্ঞতা: এক ক্লিকেই পরিচ্ছন্ন খসড়া তৈরি হয়, অপ্রয়োজনীয় শব্দ সঙ্গে সঙ্গে উধাও হয়ে যায়।

প্রচলিত ভয়েস ইনপুটের সবচেয়ে বড় সমস্যা হলো অপ্রয়োজনীয় শব্দের অতিরিক্ত ব্যবহার। মিটিংয়ে নোট নেওয়ার সময় আপনি অনেক কথা বলেন, কিন্তু তার ফলে তৈরি হওয়া লেখাটি খুবই অগোছালো হয়।

আমি কিয়ানওয়েন ইনপুট পদ্ধতি ব্যবহার করে একটি বাক্য বলার চেষ্টা করেছি:

উম...আগামী সপ্তাহের প্রকল্পের অগ্রগতি প্রতিবেদনটির জন্য, অনুগ্রহ করে তথ্যগুলো আগে থেকেই প্রস্তুত করে রাখবেন এবং খেয়াল রাখবেন যেন কোনো কিছু বাদ না পড়ে।

স্ক্রিনে প্রদর্শিত ফলাফলটি ছিল:

অনুগ্রহ করে আগামী সপ্তাহের প্রকল্পের অগ্রগতি প্রতিবেদনের জন্য আপনার তথ্য আগে থেকেই প্রস্তুত করে রাখুন এবং নিশ্চিত করুন যেন কোনো কিছু বাদ না পড়ে।

আমার সব জনপ্রিয় উক্তি মুহূর্তের মধ্যে উধাও হয়ে গেল, যেন কেউ আমার পাণ্ডুলিপিটা মুছে দিয়েছে। আরও আশ্চর্যের বিষয় হলো, এটি স্বয়ংক্রিয়ভাবে সেগুলোকে একটি তালিকায় সাজিয়ে ফেলতে পারত:

1. প্রকল্পের অগ্রগতি প্রতিবেদন জমা দিন
2. প্রয়োজনীয়তার সমাধান সম্পূর্ণ করুন
3. বিপণন পরিকল্পনা নির্ধারণ করুন

সেই মুহূর্তে আমি সত্যিই অনুভব করলাম যে এটি প্রচলিত ভয়েস ইনপুট থেকে সম্পূর্ণ ভিন্ন এক প্রজাতি।

দ্বিতীয় পর্যায়ের অভিজ্ঞতা: শব্দের সাবলীল পরিবর্তন, মৌখিক বর্ণনা মুহূর্তেই একটি সাধারণ ইমেইলে পরিণত হয়।

আমি ইচ্ছাকৃতভাবে এর ত্রুটি-সংশোধনের ক্ষমতা পরীক্ষা করেছিলাম:

আগামীকালের মিটিংটা তৃতীয় তলার দুই নম্বর মিটিং রুমে হবে—না, না, চলুন এটা বদলে তৃতীয় তলার তিন নম্বর মিটিং রুমে করি।

এটি সরাসরি আউটপুট দেয়: "আগামীকালের সভা তৃতীয় তলার তিন নম্বর সভাকক্ষে অনুষ্ঠিত হবে।"
ঠিকানা পরিবর্তনের কোনো চিহ্নই রইল না, ঠিক যেন কোনো মানুষের সঙ্গে স্বাভাবিক কথোপকথন।

আমাকে আরও বেশি অবাক করেছিল যে এটি সরাসরি কথ্য শব্দকে ইমেইলে রূপান্তর করতে পারত। আমি বললাম:

আপনি কি অনুগ্রহ করে এটি আমার জন্য একটি আনুষ্ঠানিক ইমেল আকারে লিখে দেবেন? আমি তৃতীয় ত্রৈমাসিকের ব্র্যান্ড প্রচার পরিকল্পনা নিয়ে বৃহস্পতিবার বিকাল ৩টায় জনাব ঝাং-এর সাথে একটি বৈঠক নির্ধারণ করতে চাই। যদি তাঁর অসুবিধা হয়, আমরা অন্য ব্যবস্থা করতে পারি।

কয়েক সেকেন্ড পরে, একটি সম্পূর্ণ ইমেল তৈরি হয়েছিল:

বিষয়: "তৃতীয় ত্রৈমাসিক ব্র্যান্ড প্রচার পরিকল্পনা" সংক্রান্ত যোগাযোগের আমন্ত্রণ

জনাব ঝাং, হ্যালো:

এই পরিকল্পনাটিকে আরও ভালোভাবে এগিয়ে নিয়ে যাওয়ার জন্য, আমি আপনার সাথে ব্যক্তিগতভাবে কয়েকটি গুরুত্বপূর্ণ বিষয় নিয়ে আলোচনা করতে চাই। এই বৃহস্পতিবার বিকেল ৩টা কি আপনার জন্য সুবিধাজনক সময় হবে? যদি না হয়, অনুগ্রহ করে আরও সুবিধাজনক একটি সময় জানান, আমি তার ব্যবস্থা করে নেব।

ধন্যবাদ!
বিপণন বিভাগ জিয়াও লি

অতীতে এই ধরনের ইমেল লিখতে অন্তত তিন থেকে পাঁচ মিনিট সময় লাগত, কিন্তু এখন মাত্র দশ সেকেন্ড সময় লাগে, যা কর্মদক্ষতার ক্ষেত্রে একটি বিরাট উন্নতি।

তৃতীয় দফার পরীক্ষা: উপভাষা শনাক্তকরণ সম্পূর্ণরূপে সম্পন্ন হয়েছে এবং সংখ্যা বিন্যাস রূপান্তর স্বয়ংক্রিয় ছিল।

ভয়েস ইনপুটের ক্ষেত্রে আরেকটি বড় চ্যালেঞ্জ হলো বিভিন্ন উপভাষা। তবে CosyVoice এটি সহজেই সামলে নেয়।

সাংহাই থেকে আমার বন্ধু বলল, "আজ আবহাওয়াটা খুব সুন্দর, চলো বুন্ডে একটু ঘুরে আসি।"
এটিকে এভাবে প্রতিবর্ণীকরণ করা হয়েছিল: "আজকের আবহাওয়াটা খুব সুন্দর, চলো বুন্ডে যাই।"

এটি শুধু সাংহাইনিজই নয়, ক্যান্টনিজ এবং সিচুয়ানিজও বুঝতে পারে। যেসব পেশাজীবীকে বিভিন্ন অঞ্চলের মধ্যে যোগাযোগ করতে হয়, তাদের জন্য এই বৈশিষ্ট্যটি অত্যন্ত সহায়ক।

আরও ভালো ব্যাপার হলো, এটি স্বয়ংক্রিয়ভাবে সংখ্যার ফরম্যাট চিনতে পারে। উদাহরণস্বরূপ, "12.6%" সরাসরি "12.6%"-এ রূপান্তরিত হয়; "3.58 মিলিয়ন" স্বয়ংক্রিয়ভাবে "358 মিলিয়ন"-এ রূপান্তরিত হয়। আর্থিক এবং ডেটা-সম্পর্কিত ক্ষেত্রে আর ম্যানুয়াল সম্পাদনার প্রয়োজন হয় না।

চতুর্থ পর্যায়ের অভিজ্ঞতা: বিশেষায়িত শব্দভান্ডার চেনার দক্ষতা উন্নত করার জন্য গুরুত্বপূর্ণ শব্দ ব্যবহারের কৌশল।

অবশ্যই, এটি নিখুঁত নয়। বিশেষ্য পদ শনাক্ত করার ক্ষেত্রে এর সক্ষমতা এখনও কিছুটা কম। উদাহরণস্বরূপ, যখন আমি 'du jia' বলি, তখন এটি সেটিকে 'du jia' হিসেবেই শনাক্ত করে, যা মূল বিষয়টিকে পুরোপুরি এড়িয়ে যায়।

সৌভাগ্যবশত, অফিসিয়াল ডকুমেন্টেশনে একটি 'হট ওয়ার্ড স্কিল' ফিচার রয়েছে, যা ব্যবহারকারীদের নিজেদের পছন্দমতো শব্দ ম্যানুয়ালি যোগ করার সুযোগ দেয়। এগুলো যোগ করার পর নির্ভুলতার হার উল্লেখযোগ্যভাবে বেড়ে যায়। এটি একটি কার্যকরী প্রতিকারমূলক সমাধান।

ব্যবহারিক পরীক্ষার সারসংক্ষেপ: ভয়েস ইনপুটকে একটি বিকল্প থেকে মূল সমাধানে উত্তরণ

এই পরীক্ষা থেকে সবচেয়ে বড় শিক্ষা হলো যে, কিয়ানওয়েন ইনপুট মেথড শুধু "শব্দ প্রতিলিপি" করে না, বরং এটি "আপনি কী বলতে চান তা বোঝে"।

• স্বয়ংক্রিয়ভাবে অপ্রয়োজনীয় শব্দ মুছে ফেলুন, হাতে মুছে ফেলা ও সম্পাদনার ঝামেলাকে বিদায় জানান।
• ঠিকানা বদলানোর প্রক্রিয়াটি ছিল অত্যন্ত সাবলীল, ঠিক যেন কোনো সত্যিকারের মানুষের সাথে কথোপকথন।
• কথ্য কথা সরাসরি ইমেইলে রূপান্তরিত হয় এবং দশ সেকেন্ডের মধ্যে খসড়া তৈরি হয়ে যায়।

এই তিনটি সক্ষমতার সমন্বয় ভয়েস ইনপুটকে একটি 'ঐচ্ছিক' সমাধান থেকে একটি প্রকৃত 'প্রাথমিক সমাধানে' রূপান্তরিত করেছে।

এর মূল্য মানুষকে এটা ভাবানোতে নয় যে "প্রযুক্তিটি অসাধারণ," বরং এটা ভাবানোতে যে "এটি সত্যিই খুব ভালোভাবে কাজ করে।" একটি এআই ইনপুট পদ্ধতি এমনই হওয়া উচিত।

পরিশেষে, ভয়েস ইনপুটের ভবিষ্যৎ এসে গেছে; একে ব্যবহার উপযোগী করে তোলার মধ্যেই প্রকৃত বুদ্ধিমত্তা নিহিত।

তথ্য-বিপ্লবের এই যুগে, কর্মদক্ষতাই উৎপাদনশীলতার সমার্থক। আলিবাবার কজিভয়েস ইনপুট পদ্ধতি, তার ‘সাবলীল’ ব্যবহারকারী অভিজ্ঞতার মাধ্যমে প্রমাণ করে যে, ভয়েস ইনপুট এখন আর কোনো লোকদেখানো কৌশল নয়, বরং এটি এমন একটি হাতিয়ার যা আমাদের কাজের পদ্ধতিকে সত্যিই বদলে দিতে পারে।

এটি আমাদের ক্লান্তিকর সম্পাদনার কাজ থেকে মুক্তি দেয় এবং মূল বিষয়বস্তুর ওপর মনোযোগ দিতে সাহায্য করে।

ভবিষ্যতের লেখা আর কিবোর্ডে আঙুলের টোকা দেওয়ার মধ্যে সীমাবদ্ধ থাকবে না, বরং তা হবে চিন্তা ও ভাষার সরাসরি প্রবাহ।

প্রকৃত বুদ্ধিমত্তা প্রযুক্তি জাহির করা নয়, বরং মানুষের জন্য জিনিসপত্র ব্যবহার করা সহজ করে তোলা।