Artikulu direktorioa
Benetako esku libreko askatasuna bizi nahi duzu? Artikulu honek Alibabaren 1000 galderetan oinarritutako proba sakona eskaintzen du.AICosyVoice sarrera-metodo batek "hitz egiten duzun bezain laster zirriborroak sortzearen" esperientzia leun eta paregabearen ikuspegi bat eskaintzen dizu.
Zaren ala ezauto-komunikabideakIdazlea, bulegoko langilea edo produktibitate handia bilatzen duen norbait izan, CosyVoice funtzioen berrikuspen eta erabiltzailearen gida honek esango dizu benetan erabilgarria den ala ez eta nola erabili zure eraginkortasuna bikoizteko. Desblokeatu azken IA ahots bidezko testu idazketa teknologia orain!
Jende askok "ahots-sarreraren tranpak" bizi izan ditu artikuluak idaztean. Paragrafo luze bat esan ondoren, pantaila "um", "hori" eta "hori da" esaldiekin betetzen da, eta horrek ezabatzea frustragarria egiten du. Alibabaren CosyVoice sarrera-metodoa agertu zen arte ez nuen konturatu ahots-sarrerak benetan "libreki hitz egitea eta ederki idaztea" lor dezakeela.
Bideoaren denbora-zigilua:
- 00:00 AI Sarrera Metodoaren Berrikuspena / Alibaba Qianwen AI: Alibaba Qianwen AI sarrera metodoaren eta ahots-testu bihurketaren esperientzia eraginkorraren benetako probak
- 00:28 Deskargatu eta instalatu CosyVoice / AndroidSarrera-metodoaren tutoriala: Mugikorretarako aplikazioa deskargatzeko, instalatzeko eta akordioa onartzeko prozesu osoa erakusten du.
- 00:59 Sarrera-metodoaren aktibazio-tutoriala / AI ahots-laguntzailearen abantailak: lau abantaila nagusi aztertzea eta sarrera-metodoak nola gaitu eta aldatu erakustea
- 01:53 Ahots-testu proba / Akatsen zuzenketa eta leuntze adimenduna: Ahots-sarrera, mikrofonoaren baimenen konfigurazioa eta zenbakien antolaketa eta transkripzio automatikoa erakustea.
- 02:16 Ahots-komandoak editatzea/Hitz egin eta idazteko teknikak: Ahots-komandoak erabiliz denbora errealean testu-edukia nola aldatu eta editatu erakusten du.
- 02:40 IA Tresnen Partekatzea / Bulegoko Trebetasun Eraginkorrak: IA Aroan Eraginkortasun Tresnen Balioa Laburbilduz
Lehenengo esperientzia: Klik bakarrarekin sortutako zirriborro garbia, betegarri-hitzak berehala desagertzen dira.
Ahots bidezko sarrera tradizionalaren arazorik handiena betegarri-hitzen gehiegizko erabilera da. Bilera batean oharrak hartzerakoan, asko hitz egiten duzu, baina emaitza den testua nahaspila bat da.
Qianwen sarrera-metodoa erabiltzen saiatu naiz esaldi bat esateko:
"Um... hori... proiektuaren aurrerapen txostena datorren astean, mesedez prestatu datuak aldez aurretik, eta ziurtatu ezer ez dela galtzen."
Pantailan bistaratu zen emaitza hau izan zen:
"Mesedez, prestatu zure datuak aldez aurretik datorren asteko proiektuaren aurrerapen txostenerako, eta ziurtatu ezer ez dela ahazten."
Nire esaldi guztiak berehala desagertu ziren, norbaitek nire eskuizkribua garbitu izan balu bezala. Are harrigarriagoa dena, automatikoki zerrenda batean antola zitzakeen:
- Proiektuaren aurrerapen txostena aurkeztu
- Osatu eskakizunen irtenbidea
- Marketin plana zehaztu.
Une hartan, benetan sentitu nuen ahots-sarrera tradizionaletik guztiz bestelako espezie bat zela.
Bigarren esperientzia: Hitz aldaketa ezin hobea, ahozko narrazioa berehala bihurtzen da posta elektroniko estandarra.
Nahita probatu ditut akatsak zuzentzeko gaitasunak:
"Biharko bilera hirugarren solairuko bigarren bilera-gelan izango da — ez, ez, alda dezagun hirugarren solairuko hirugarren bilera-gelara."
Zuzenean honako hau dio: "Biharko bilera hirugarren solairuko hirugarren bilera-gelan izango da".
Helbide aldaketak ez zuen arrastorik utzi, pertsona batekin izandako elkarrizketa bezain naturala.
Are gehiago harritu ninduena izan zen ahozko hitzak zuzenean mezu elektroniko bihur zitzakeela. Esan nuen:
"Mesedez, idatziko al zenidake hau posta elektroniko formatu formal batean? Ostegunean arratsaldeko 3etan Zhang jaunarekin bilera bat antolatu nahiko nuke 3. hiruhilekoko marka sustatzeko planari buruz. Berarentzat komenigarria ez bada, antolaketak egin ditzakegu."
Segundo batzuk geroago, mezu elektroniko oso bat sortu zen:
Gaia: "3. hiruhilekoko marka sustatzeko planari" buruzko komunikazioa egiteko gonbidapena
Zhang jauna, kaixo:
Plan hau hobeto aurrera eramateko, puntu gako batzuk pertsonalki eztabaidatu nahi nituzke zurekin. Ostegun honetako 3:00ak komenigarriak izango lirateke zuretzat? Bestela, eman iezadazu ordutegi egokiago bat, eta nik antolatuko dut.
Eskerrik asko!
Xiao Li Marketin Saila
Lehen, mezu elektroniko horiek idazteak hiru edo bost minutu behar izaten zituen gutxienez, baina orain hamar segundo besterik ez dira behar, eraginkortasunean hobekuntza handia izanik.
Hirugarren proba-txanda: dialektoen ezagutza guztiz kudeatu zen, eta zenbakien formatuaren bihurketa automatikoa izan zen.
Ahots-sarrerarekin lotutako beste erronka handi bat dialektoak dira. CosyVoice-k, ordea, erraz kudeatzen du hau.
Nire lagun Shanghaikoak esan zuen: "Eguraldi bikaina egiten du gaur, goazen Bundera paseatzera".
Honela transkribatu zen: "Eguraldi bikaina egiten du gaur, goazen Bundera".
Ez bakarrik Shanghaiko hizkuntza ulertzen du, baita kantonera eta sichuanera ere. Eskualdeen artean komunikatu behar duten profesionalentzat, funtzio hau oso lagungarria da.
Are hobeto, zenbaki formatuak automatikoki ezagutu ditzake. Adibidez, "% 12.6" zuzenean "% 12,6" bihurtzen da; "3.58 milioi" automatikoki "358 milioi" bihurtzen da. Ez da eskuzko edizio gehiago behar finantza eta datuekin lotutako egoeretan.
Laugarren esperientzia txanda: Hot word trebetasunak nitxo hiztegia ezagutzeko
Noski, ez da perfektua. Izen propio espezifikoak oraindik ere apur bat eskas ditu. Adibidez, "du jia" esaten dudanean, "du jia" bezala ezagutzen du, eta horrek guztiz huts egiten du funtsa ulertzeko.
Zorionez, dokumentazio ofizialak "Hot Word Skill" funtzioa eskaintzen du, erabiltzaileei hitz pertsonalizatuak eskuz gehitzeko aukera emanez. Hitz horiek gehitu ondoren, zehaztasun-tasa nabarmen hobetzen da. Konponbide praktikoa da.
Proba praktikoaren laburpena: Ahots-sarreratik aukera gisa lehen mailako irtenbiderako jauzia
Probatik ateratako ondoriorik handiena da Qianwen sarrera-metodoak ez duela soilik "soinua transkribatzen", baizik eta "esan nahi duzuna ulertzen duela".
- Kendu automatikoki betegarri-hitzak, esan agur eskuzko ezabatzeari eta editatzeari.
- Helbide aldaketa ezin hobea izan zen, benetako pertsona batekin izandako elkarrizketa bezain naturala.
- Ahozko hitzak zuzenean mezu elektroniko bihurtzen dira, eta zirriborroak hamar segundotan sortzen dira.
Hiru gaitasun hauen konbinazioak ahots-sarrera "aukerako" irtenbide izatetik "lehen mailako irtenbide" benetako bihurtu du.
Bere balioa ez datza jendeari "teknologia harrigarria da" pentsarazten, baizik eta "oso ondo funtzionatzen du" pentsarazten. Horrelakoa izan beharko litzateke IA sarrera-metodo bat.
Ondorioz, ahots-sarreraren etorkizuna iritsi da; benetako adimena erabiltzeko erraza egitean datza.
Informazio gehiegizko aro honetan, eraginkortasuna produktibitatearen berdina da. Alibabaren CosyVoice sarrera-metodoak, erabiltzaile-esperientzia "leunarekin", erakusten du ahots-sarrera ez dela jada trikimailu bat, baizik eta gure lan egiteko modua benetan eraldatu dezakeen tresna bat.
Edizio aspergarritik askatzen gaitu eta edukian bertan zentratzen uzten digu.
Etorkizuneko idazketa ez da gehiago teklatuan hatzak sakatzeari buruzkoa izango, pentsamenduen eta hizkuntzaren zuzeneko fluxuari buruzkoa baizik.
Benetako adimena ez da teknologiaz erakustea, baizik eta jendeak gauzak erabiltzeko errazak egitea.
Hope Chen Weiliang bloga ( https://www.chenweiliang.com/ Baliteke hemen partekatutako "Alibaba-ren CosyVoice AI sarrera-metodoaren benetako munduko proba: esku libreko esku librea, hizketa-testu irteera, leuntasuna itxaropenak gainditzen ditu" artikulua lagungarria izatea zuretzat.
Ongi etorri artikulu honen esteka partekatzera:https://www.chenweiliang.com/cwl-34393.html