Prawf Byd Go Iawn Dull Mewnbwn Deallusrwydd Artiffisial CosyVoice Alibaba: Mewnbwn Di-law, Allbwn Lleferydd-i-Destun, Llyfnder yn Rhagori ar Ddisgwyliadau

Eisiau profi rhyddid di-ddwylo go iawn? Mae'r erthygl hon yn darparu prawf manwl yn seiliedig ar 1000 o Gwestiynau Alibaba.AIMae CosyVoice, dull mewnbwn, yn cynnig cipolwg i chi ar y profiad llyfn eithaf o "gynhyrchu drafftiau cyn gynted ag y byddwch chi'n siarad".

boed i chihunan-gyfryngauP'un a ydych chi'n awdur, yn weithiwr swyddfa, neu'n rhywun sy'n chwilio am gynhyrchiant uchel, bydd yr adolygiad nodwedd a'r canllaw defnyddiwr CosyVoice hwn yn dweud wrthych a yw'n wirioneddol ddefnyddiol a sut i'w ddefnyddio i ddyblu eich effeithlonrwydd. Datgloi'r dechnoleg ysgrifennu testun llais AI ddiweddaraf nawr!

Mae llawer o bobl wedi profi'r "peryglon mewnbwn llais" wrth ysgrifennu erthyglau. Ar ôl llefaru paragraff hir, mae'r sgrin yn llawn "um," "hynny," a "dyna'n iawn," gan ei gwneud hi'n rhwystredig dileu. Dim ond pan ddaeth dull mewnbwn CosyVoice Alibaba y sylweddolais y gall mewnbwn llais wir gyflawni "siarad yn rhydd ac ysgrifennu'n hyfryd."

Stamp amser fideo:

Rownd gyntaf o brofiad: Drafft glân wedi'i gynhyrchu gydag un clic, mae geiriau llenwi yn diflannu ar unwaith.

Y broblem fwyaf gyda mewnbwn llais traddodiadol yw'r defnydd gormodol o eiriau llenwi. Wrth gymryd nodiadau mewn cyfarfod, rydych chi'n siarad llawer, ond mae'r testun sy'n deillio o hynny yn llanast.

Ceisiais ddefnyddio'r dull mewnbwn Qianwen i ddweud brawddeg:

"Um...dyna...adroddiad cynnydd y prosiect yr wythnos nesaf, paratowch y data ymlaen llaw os gwelwch yn dda, a gwnewch yn siŵr nad oes dim yn cael ei golli."

Y canlyniad a ddangoswyd ar y sgrin oedd:

"Paratowch eich data ymlaen llaw ar gyfer adroddiad cynnydd y prosiect yr wythnos nesaf, a gwnewch yn siŵr nad oes dim yn cael ei golli."

Diflannodd fy holl ymadroddion bachog ar unwaith, fel pe bai rhywun wedi sychu fy llawysgrif yn lân. Yn fwy rhyfedd fyth, gallai eu trefnu'n awtomatig yn rhestr:

1. Cyflwyno adroddiad cynnydd y prosiect
2. Cwblhewch yr ateb gofynion
3. Penderfynu ar y cynllun marchnata

Ar y foment honno, roeddwn i wir yn teimlo ei fod yn rhywogaeth hollol wahanol i fewnbwn llais traddodiadol.

Ail rownd o brofiad: Newid geiriau di-dor, mae naratif llafar yn dod yn e-bost safonol ar unwaith.

Profais ei alluoedd cywiro gwallau yn fwriadol:

"Bydd cyfarfod yfory yn ystafell gyfarfod rhif dau ar y trydydd llawr—na, na, gadewch i ni ei newid i ystafell gyfarfod rhif tri ar y trydydd llawr."

Mae'n allbynnu'n uniongyrchol: "Cynhelir cyfarfod yfory yn ystafell gyfarfod rhif tri ar y trydydd llawr."
Ni adawodd y newid cyfeiriad unrhyw ôl, mor naturiol â sgwrs â pherson.

Yr hyn a’m synnodd hyd yn oed yn fwy oedd y gallai drosi geiriau llafar yn negeseuon e-bost yn uniongyrchol. Dywedais i:

"A allech chi ysgrifennu hwn mewn fformat e-bost ffurfiol i mi os gwelwch yn dda? Hoffwn drefnu cyfarfod gyda Mr. Zhang am 3 PM ddydd Iau ynghylch cynllun hyrwyddo brand Ch3. Os yw'n anghyfleus iddo, gallwn wneud trefniadau."

Ychydig eiliadau'n ddiweddarach, cynhyrchwyd e-bost cyflawn:

Pwnc: Gwahoddiad i Gyfathrebu Ynghylch "Cynllun Hyrwyddo Brand Ch3"

Mr. Zhang, helo:

Er mwyn symud y cynllun hwn ymlaen yn well, hoffwn drafod ychydig o bwyntiau allweddol gyda chi yn bersonol. A fyddai 3:00 PM y dydd Iau hwn yn amser cyfleus i chi? Os na, darparwch slot amser mwy cyfleus, a byddaf yn ei drefnu.

Diolch!
Adran Farchnata Xiao Li

Yn y gorffennol, byddai ysgrifennu negeseuon e-bost o'r fath yn cymryd o leiaf tair i bum munud, ond nawr dim ond deg eiliad y mae'n ei gymryd, gwelliant enfawr o ran effeithlonrwydd.

Trydydd rownd o brofion: Adnabyddiaeth dafodiaith wedi'i thrin yn llawn, ac roedd trosi fformat rhif yn awtomatig.

Her fawr arall gyda mewnbwn llais yw tafodieithoedd. Fodd bynnag, mae CosyVoice yn ymdrin â hyn yn rhwydd.

Dywedodd fy ffrind o Shanghai, "Mae'r tywydd mor braf heddiw, awn ni am dro i'r Bund."
Cafodd ei drawslythrennu fel: "Mae'r tywydd mor braf heddiw, awn i'r Bund."

Gall ddeall nid yn unig iaith Shanghai, ond hefyd iaith Cantoneg a Sichuaneg. I weithwyr proffesiynol sydd angen cyfathrebu ar draws rhanbarthau, mae'r nodwedd hon yn achubiaeth.

Yn well fyth, gall adnabod fformatau rhifau yn awtomatig. Er enghraifft, mae "12.6%" yn cael ei drawsnewid yn uniongyrchol i "12.6%"; mae "3.58 miliwn" yn cael ei drawsnewid yn awtomatig i "358 miliwn". Nid oes angen golygu â llaw mwyach mewn senarios ariannol a senarios sy'n gysylltiedig â data.

Pedwerydd rownd o brofiad: Sgiliau geiriau poblogaidd i wella adnabyddiaeth geirfa arbenigol

Wrth gwrs, nid yw'n berffaith. Mae ei adnabyddiaeth o enwau priod niche yn dal i fod braidd yn brin. Er enghraifft, pan ddywedaf "du jia," mae'n ei adnabod fel "du jia," sy'n methu'r pwynt yn llwyr.

Yn ffodus, mae'r ddogfennaeth swyddogol yn darparu nodwedd "Sgil Geiriau Poeth", sy'n caniatáu i ddefnyddwyr ychwanegu geiriau personol â llaw. Ar ôl ychwanegu'r rhain, mae'r gyfradd gywirdeb yn gwella'n sylweddol. Mae'n ateb ymarferol i wella'r broblem.

Crynodeb o'r Prawf Ymarferol: Y Naid o Fewnbwn Llais fel Opsiwn i'r Prif Ddatrysiad

Y peth pwysicaf i'w ddysgu o'r prawf yw nad yw Dull Mewnbwn Qianwen yn "trawsgrifio sain yn unig," mae'n "deall yr hyn rydych chi am ei ddweud."

• Dileu geiriau llenwi yn awtomatig, ffarwelio â dileu a golygu â llaw.
• Roedd y newid cyfeiriad yn ddi-dor, mor naturiol â sgwrs gyda pherson go iawn.
• Mae geiriau llafar yn cael eu trosi'n uniongyrchol yn negeseuon e-bost, a chynhyrchir drafftiau mewn deg eiliad.

Mae cyfuniad y tri gallu hyn wedi trawsnewid mewnbwn llais o ddatrysiad "dewisol" i "ddatrysiad sylfaenol" gwirioneddol.

Nid yw ei werth yn gorwedd mewn gwneud i bobl feddwl "mae'r dechnoleg yn anhygoel," ond mewn gwneud i bobl feddwl "mae'n gweithio'n dda iawn." Dyna sut y dylai dull mewnbwn AI fod.

I gloi, mae dyfodol mewnbwn llais wedi cyrraedd; mae gwir ddeallusrwydd yn gorwedd mewn ei gwneud yn hawdd ei ddefnyddio.

Yn yr oes hon o orlwytho gwybodaeth, mae effeithlonrwydd yn hafal i gynhyrchiant. Mae dull mewnbwn CosyVoice Alibaba, gyda'i brofiad defnyddiwr "llyfn", yn dangos nad tric yw mewnbwn llais mwyach, ond yn offeryn a all drawsnewid y ffordd rydym yn gweithio mewn gwirionedd.

Mae'n ein rhyddhau o olygu diflas ac yn caniatáu inni ganolbwyntio ar y cynnwys ei hun.

Ni fydd ysgrifennu'r dyfodol bellach yn ymwneud â bysedd yn tapio ar fysellfwrdd, ond yn ymwneud â llif uniongyrchol meddyliau ac iaith.

Nid yw deallusrwydd gwirioneddol yn ymwneud â dangos technoleg, ond â gwneud pethau'n hawdd i bobl eu defnyddio.