Alibaba-ի CosyVoice արհեստական ​​ինտելեկտի մուտքագրման մեթոդի իրական աշխարհի փորձարկում. ձեռքերի ազատ մուտքագրում, խոսքի վերածում տեքստի, սահունությունը գերազանցում է սպասումները

Ուզո՞ւմ եք զգալ ձեռքերի ազատություն։ Այս հոդվածը ներկայացնում է խորը թեստ, որը հիմնված է Alibaba-ի 1000 հարցերի վրա։AICosyVoice-ը, որը մուտքագրման մեթոդ է, ձեզ հնարավորություն է տալիս ծանոթանալ «խոսելուն պես նախագծեր ստեղծելու» անզուգական սահուն փորձին։

անկախ նրանից, թե դուքինքնալեզու լրատվամիջոցներԱնկախ նրանից՝ գրող եք, գրասենյակային աշխատող, թե բարձր արտադրողականություն փնտրող մեկը, CosyVoice-ի այս գործառույթի ակնարկը և օգտագործողի ուղեցույցը կպատմեն ձեզ, թե արդյոք այն իսկապես օգտակար է և ինչպես օգտագործել այն՝ ձեր արդյունավետությունը կրկնապատկելու համար: Բացեք արհեստական ​​բանականության վրա հիմնված ձայնային տեքստերի գրման ամենաժամանակակից տեխնոլոգիան հիմա:

Alibaba-ի CosyVoice արհեստական ​​ինտելեկտի մուտքագրման մեթոդի իրական աշխարհի փորձարկում. ձեռքերի ազատ մուտքագրում, խոսքի վերածում տեքստի, սահունությունը գերազանցում է սպասումները

Հոդվածներ գրելիս շատերն են բախվել «ձայնային մուտքագրման թակարդների» հետ։ Երկար պարբերություն կարդալուց հետո էկրանը լցվում է «հըմմ», «այդքանը» և «այդպես է» բառերով, ինչը ջնջելը դարձնում է նյարդայնացնող։ Միայն Alibaba-ի CosyVoice մուտքագրման մեթոդի ի հայտ գալուց հետո ես հասկացա, որ ձայնային մուտքագրումը կարող է իսկապես հանգեցնել «ազատ խոսելու և գեղեցիկ գրելու»։

Տեսանյութի Ժամացույց.

  • 00:00 Արհեստական ​​բանականության մուտքագրման մեթոդի վերանայում / Alibaba Qianwen AI. Alibaba Qianwen AI մուտքագրման մեթոդի և խոսքի տեքստի փոխակերպման արդյունավետության իրական աշխարհում փորձարկում
  • 00:28 Ներբեռնեք և տեղադրեք CosyVoice-ը / AndroidՄուտքագրման մեթոդի ձեռնարկ. Բջջային հավելվածի ներբեռնման, տեղադրման և համաձայնության ամբողջական գործընթացի ցուցադրում:
  • 00:59 Մուտքագրման մեթոդի ակտիվացման ձեռնարկ / Արհեստական ​​բանականության ձայնային օգնականի առավելությունները. Չորս հիմնական առավելությունների վերլուծություն և մուտքագրման մեթոդների միացման և փոխման ցուցադրում
  • 01:53 Խոսքի տեքստի վերածման թեստ / Խելացի սխալների ուղղում և հղկում. Ձայնային մուտքագրման, միկրոֆոնի թույլտվության կարգավորման, թվերի ավտոմատ դասավորության և տառադարձման ցուցադրում:
  • 02:16 Ձայնային հրամանների խմբագրում/խոսելու և գրելու տեխնիկա. Ցուցադրվում է, թե ինչպես փոփոխել և խմբագրել տեքստային բովանդակությունը իրական ժամանակում՝ ձայնային հրամանների միջոցով:
  • 02:40 Արհեստական ​​​​գործիքների փոխանակում / Արդյունավետ գրասենյակային հմտություններ. Արդյունավետ գործիքների արժեքի ամփոփում արհեստական ​​​​բանականության դարաշրջանում

Փորձի առաջին փուլ. Մաքուր սևագիր է ստեղծվում մեկ սեղմումով, լրացման բառերը անմիջապես անհետանում են։

Ավանդական ձայնային մուտքագրման ամենամեծ խնդիրը լրացնող բառերի չափազանց օգտագործումն է։ Հանդիպման ժամանակ նշումներ անելիս դուք շատ եք խոսում, բայց արդյունքում ստացված տեքստը խառնաշփոթ է։

Ես փորձեցի օգտագործել Qianwen մուտքագրման մեթոդը՝ նախադասություն ասելու համար.

«Ըհըմ... դա... նախագծի առաջընթացի մասին զեկույցը հաջորդ շաբաթ, խնդրում եմ նախապես պատրաստեք տվյալները և համոզվեք, որ ոչինչ բաց չեք թողել»։

Էկրանին ցուցադրված արդյունքը հետևյալն էր.

«Խնդրում ենք նախապես պատրաստել ձեր տվյալները հաջորդ շաբաթվա նախագծի առաջընթացի հաշվետվության համար և համոզվել, որ ոչինչ բաց չեք թողել»։

CosyVoice ավտոմատ լցանյութի հեռացման էֆեկտի համեմատություն

Իմ բոլոր կարգախոսները ակնթարթորեն անհետացան, կարծես ինչ-որ մեկը սրբել էր ձեռագիրս։ Ավելի զարմանալի է, որ այն կարող էր ավտոմատ կերպով դրանք դասակարգել ցուցակի մեջ։

  1. Ներկայացրեք նախագծի առաջընթացի մասին հաշվետվություն
  2. Լրացրեք պահանջների լուծումը
  3. Որոշեք մարքեթինգային պլանը

Այդ պահին ես իսկապես զգացի, որ դա բոլորովին այլ տեսակ էր, քան ավանդական ձայնային մուտքագրումը։

Փորձի երկրորդ փուլ. բառերի անխափան փոփոխություն, բանավոր շարադրանքը անմիջապես դառնում է ստանդարտ էլ. փոստ։

Ես միտումնավոր փորձարկեցի դրա սխալների ուղղման հնարավորությունները.

«Վաղվա հանդիպումը տեղի կունենա երրորդ հարկի երկրորդ սենյակում, ոչ, ոչ, եկեք այն փոխենք երրորդ հարկի երրորդ սենյակի»։

Այն ուղղակիորեն արտածվում է. «Վաղվա հանդիպումը տեղի կունենա երրորդ հարկի երրորդ նիստերի սենյակում»։
Հասցեի փոփոխությունը ոչ մի հետք չթողեց, նույնքան բնական, որքան մարդու հետ զրույցը։

CosyVoice-ի ձայնային ուղղման և էլ.փոստի ստեղծման գործառույթների ցուցադրություն

Ինձ ավելի շատ զարմացրեց այն, որ այն կարող էր ուղղակիորեն բանավոր խոսքերը վերածել էլեկտրոնային նամակների։ Ես ասացի.

«Կարո՞ղ եք խնդրեմ սա գրել ինձ համար պաշտոնական էլեկտրոնային փոստի ձևաչափով։ Ես կցանկանայի հինգշաբթի, ժամը 15:00-ին, հանդիպում նշանակել պարոն Չժանի հետ՝ 3-րդ եռամսյակի ապրանքանիշի առաջխաղացման ծրագրի վերաբերյալ։ Եթե դա նրան անհարմար լինի, կարող ենք պայմանավորվել»։

Մի քանի վայրկյան անց ստեղծվեց ամբողջական էլ. նամակ.


Թեմա՝ «3-րդ եռամսյակի ապրանքանիշի առաջխաղացման ծրագրի» վերաբերյալ հաղորդակցության հրավեր

Պարոն Չժան, բարև ձեզ։

Այս ծրագիրն ավելի լավ առաջ մղելու համար ես կցանկանայի անձամբ քննարկել մի քանի կարևոր կետեր ձեզ հետ։ Արդյո՞ք այս հինգշաբթի ժամը 3:00-ը հարմար ժամ կլինի ձեզ համար։ Եթե ոչ, խնդրում եմ նշել ավելի հարմար ժամ, և ես կկազմակերպեմ այն։

Շնորհակալություն!
Մարքեթինգի բաժին Սյաո Լի


Անցյալում նման էլեկտրոնային նամակներ գրելը տևում էր առնվազն երեքից հինգ րոպե, բայց հիմա այն տևում է ընդամենը տասը վայրկյան, ինչը արդյունավետության հսկայական բարելավում է։

Փորձարկման երրորդ փուլ. Բարբառի ճանաչումն ամբողջությամբ կարգավորվեց, և թվերի ձևաչափի փոխակերպումը կատարվեց ավտոմատ կերպով։

Ձայնային մուտքագրման հետ կապված մեկ այլ լուրջ խնդիր բարբառներն են։ Սակայն CosyVoice-ը հեշտությամբ է հաղթահարում դա։

Շանհայից իմ ընկերն ասաց. «Այսօր եղանակը շատ լավ է, եկեք գնանք Բունդ զբոսնելու»։
Այն տառադարձվեց որպես. «Եղանակն այսօր այնքան լավ է, եկեք գնանք Բունդ»։

Այն կարող է հասկանալ ոչ միայն շանհայերեն, այլև կանտոներեն և սիչուաներեն: Այն մասնագետների համար, ովքեր պետք է շփվեն տարբեր տարածաշրջաններում, այս գործառույթը փրկարար է:

Ավելի լավ է, որ այն կարող է ավտոմատ կերպով ճանաչել թվային ձևաչափերը: Օրինակ՝ «12.6%»-ը անմիջապես փոխակերպվում է «12.6%»-ի, իսկ «3.58 միլիոն»-ը՝ ավտոմատ կերպով փոխակերպվում է «358 միլիոն»-ի: Ֆինանսական և տվյալների հետ կապված իրավիճակներում ձեռքով խմբագրման կարիք այլևս չկա:

CosyVoice բարբառի ճանաչման և թվերի ձևաչափման գործառույթներ

Փորձի չորրորդ փուլ. Թեժ բառերի հմտություններ՝ խորքային բառապաշարի ճանաչումը բարելավելու համար

Իհարկե, այն կատարյալ չէ։ Այն դեռևս մի փոքր թերի է ճանաչում խորշային հատուկ անունները։ Օրինակ, երբ ես ասում եմ «դու ջիա», այն ճանաչում է այն որպես «դու ջիա», ինչը լիովին շեղում է իմաստը։

Բարեբախտաբար, պաշտոնական կայքը առաջարկում է «Թեժ բառերի հմտություններ» գործառույթը, որը թույլ է տալիս օգտատերերին ձեռքով ավելացնել իրենց սեփական բառերը։ Դրանք ավելացնելուց հետո ճշգրտության մակարդակը զգալիորեն բարելավվում է։ Սա գործնական լուծում է։

Գործնական թեստի ամփոփում. Ձայնային մուտքագրումից որպես տարբերակ անցում դեպի հիմնական լուծում

Թեստից ամենակարևոր եզրակացությունն այն է, որ Qianwen մուտքագրման մեթոդը ոչ միայն «տառադարձում է ձայնը», այլև «հասկանում է, թե ինչ եք ուզում ասել»։

  • Ավտոմատ կերպով հեռացրեք լրացնող բառերը, հրաժեշտ տվեք ձեռքով ջնջմանը և խմբագրմանը։
  • Հասցեի փոփոխությունը սահուն էր, նույնքան բնական, որքան իրական մարդու հետ զրույցը։
  • Խոսակցական խոսքերը անմիջապես վերածվում են էլեկտրոնային նամակների, իսկ նախագծերը ստեղծվում են տասը վայրկյանում։

Այս երեք հնարավորությունների համադրությունը ձայնային մուտքագրումը «կամավոր» լուծումից վերածել է իսկական «հիմնական լուծման»։

Դրա արժեքը մարդկանց մտածել տալու մեջ չէ, որ «տեխնոլոգիան զարմանալի է», այլ նրանում, որ մարդկանց մտածել տան, որ «այն իսկապես լավ է աշխատում»։ Ահա թե ինչպիսին պետք է լինի արհեստական ​​բանականության մուտքագրման մեթոդը։

CosyVoice Hot Word Skill ֆունկցիայի կարգավորումների ինտերֆեյս

Ամփոփելով՝ ձայնային մուտքագրման ապագան եկել է. իրական ինտելեկտը կայանում է դրա օգտագործման հեշտության մեջ։

Տեղեկատվական գերբեռնվածության այս դարաշրջանում արդյունավետությունը հավասար է արտադրողականությանը: Alibaba-ի CosyVoice մուտքագրման մեթոդը՝ իր «հարթ» օգտագործողի փորձով, ցույց է տալիս, որ ձայնային մուտքագրումը այլևս հնարք չէ, այլ գործիք, որը կարող է իսկապես վերափոխել մեր աշխատանքի ձևը:

Այն մեզ ազատում է ձանձրալի խմբագրումից և թույլ է տալիս կենտրոնանալ բովանդակության վրա։

Ապագայի գրելը այլևս չի լինի ստեղնաշարի վրա մատների թակոցների, այլ մտքերի և լեզվի անմիջական հոսքի մասին։

Իսկական ինտելեկտը տեխնոլոգիաները ցուցադրելը չէ, այլ մարդկանց համար ամեն ինչ հեշտ օգտագործելի դարձնելը։

Հույս Chen Weiliang բլոգ ( https://www.chenweiliang.com/ Այստեղ ներկայացված «Alibaba-ի CosyVoice արհեստական ​​ինտելեկտի մուտքագրման մեթոդի իրական աշխարհի փորձարկում. ձեռքերն ազատ օգտագործելու դեպքում՝ խոսքի տեքստային արտածման սահունությունը գերազանցում է սպասումները» հոդվածը կարող է օգտակար լինել ձեզ համար։

Բարի գալուստ՝ կիսելու այս հոդվածի հղումը.https://www.chenweiliang.com/cwl-34393.html

Ավելի շատ թաքնված հնարքներ բացահայտելու համար🔑, միացեք մեր Telegram ալիքին։

Տարածեք և հավանեք, եթե ձեզ դուր եկավ: Ձեր կիսումներն ու հավանումները մեր շարունակական շարժառիթն են:

 

发表 评论

Ձեր էլփոստի հասցեն չի հրապարակվի: Օգտագործվում են պահանջվող դաշտերը * Պիտակ

Ոլորել դեպի սկիզբ