ການທົດສອບວິທີການປ້ອນຂໍ້ມູນ AI ​​CosyVoice ຂອງ Alibaba ໃນຕົວຈິງ: ການປ້ອນຂໍ້ມູນແບບບໍ່ຕ້ອງໃຊ້ມື, ການປ່ຽນສຽງເວົ້າເປັນຂໍ້ຄວາມ, ແລະ ຄວາມລຽບງ່າຍເກີນຄວາມຄາດຫວັງ

ຢາກມີປະສົບການອິດສະລະພາບແບບບໍ່ຕ້ອງໃຊ້ມືແທ້ໆບໍ? ບົດຄວາມນີ້ໃຫ້ການທົດສອບຢ່າງເລິກເຊິ່ງໂດຍອີງໃສ່ 1000 ຄຳຖາມຂອງ Alibaba.AICosyVoice, ວິທີການປ້ອນຂໍ້ມູນ, ສະເໜີໃຫ້ທ່ານເຫັນພາບລວມກ່ຽວກັບປະສົບການທີ່ລຽບງ່າຍທີ່ສຸດຂອງ "ການສ້າງຮ່າງທັນທີທີ່ທ່ານເວົ້າ".

ບໍ່ວ່າຈະເປັນທ່ານສື່ຕົນເອງບໍ່ວ່າທ່ານຈະເປັນນັກຂຽນ, ພະນັກງານຫ້ອງການ, ຫຼືຜູ້ທີ່ຊອກຫາຜົນຜະລິດສູງ, ການທົບທວນຄຸນສົມບັດ CosyVoice ແລະຄູ່ມືຜູ້ໃຊ້ນີ້ຈະບອກທ່ານວ່າມັນມີປະໂຫຍດແທ້ໆຫຼືບໍ່ ແລະ ວິທີການນໍາໃຊ້ມັນເພື່ອເພີ່ມປະສິດທິພາບຂອງທ່ານເປັນສອງເທົ່າ. ປົດລັອກເທັກໂນໂລຢີການຂຽນຂໍ້ຄວາມທີ່ອີງໃສ່ສຽງ AI ລ່າສຸດດຽວນີ້!

ຫຼາຍຄົນເຄີຍປະສົບກັບ "ບັນຫາການປ້ອນຂໍ້ມູນດ້ວຍສຽງ" ເມື່ອຂຽນບົດຄວາມ. ຫຼັງຈາກເວົ້າໄດ້ໜຶ່ງວັກຍາວໆ, ໜ້າຈໍຈະເຕັມໄປດ້ວຍຄຳວ່າ "ອືມ," "ນັ້ນ," ແລະ "ຖືກຕ້ອງແລ້ວ," ເຮັດໃຫ້ມັນໜ້າອຸກໃຈທີ່ຈະລຶບ. ຈົນກວ່າວິທີການປ້ອນຂໍ້ມູນ CosyVoice ຂອງ Alibaba ຈະມີຂຶ້ນ ຂ້ອຍຈຶ່ງຮູ້ວ່າການປ້ອນຂໍ້ມູນດ້ວຍສຽງສາມາດບັນລຸ "ການເວົ້າຢ່າງເສລີ ແລະ ການຂຽນທີ່ສວຍງາມ" ໄດ້ຢ່າງແທ້ຈິງ.

ເວລາວິດີໂອ:

ຮອບທຳອິດຂອງປະສົບການ: ຮ່າງທີ່ສະອາດສ້າງຂຶ້ນດ້ວຍການຄລິກດຽວ, ຄຳທີ່ຕື່ມໃສ່ຈະຫາຍໄປທັນທີ.

ຈຸດເຈັບປວດທີ່ໃຫຍ່ທີ່ສຸດຂອງການປ້ອນຂໍ້ມູນດ້ວຍສຽງແບບດັ້ງເດີມແມ່ນການໃຊ້ຄຳສັບທີ່ຊ້ອນຫຼາຍເກີນໄປ. ເມື່ອຈົດບັນທຶກໃນກອງປະຊຸມ, ທ່ານຈະເວົ້າຫຼາຍ, ແຕ່ຂໍ້ຄວາມທີ່ໄດ້ຮັບແມ່ນວຸ້ນວາຍ.

ຂ້ອຍໄດ້ລອງໃຊ້ວິທີການປ້ອນຂໍ້ມູນ Qianwen ເພື່ອເວົ້າປະໂຫຍກໜຶ່ງ:

"ອືມ...ນັ້ນ...ບົດລາຍງານຄວາມຄືບໜ້າຂອງໂຄງການໃນອາທິດໜ້າ, ກະລຸນາກະກຽມຂໍ້ມູນລ່ວງໜ້າ, ແລະ ໃຫ້ແນ່ໃຈວ່າບໍ່ມີຫຍັງພາດໄປ."

ຜົນໄດ້ຮັບທີ່ສະແດງຢູ່ໜ້າຈໍແມ່ນ:

"ກະລຸນາກະກຽມຂໍ້ມູນຂອງທ່ານລ່ວງໜ້າສຳລັບບົດລາຍງານຄວາມຄືບໜ້າຂອງໂຄງການໃນອາທິດໜ້າ, ແລະ ໃຫ້ແນ່ໃຈວ່າບໍ່ມີສິ່ງໃດພາດໄປ."

ຄຳເວົ້າທັງໝົດຂອງຂ້ອຍຫາຍໄປທັນທີ, ຄືກັບວ່າມີຄົນເຊັດບົດຂຽນຂອງຂ້ອຍໃຫ້ສະອາດ. ສິ່ງທີ່ໜ້າປະຫຼາດໃຈກວ່ານັ້ນ, ມັນສາມາດຈັດລຽງພວກມັນເປັນລາຍການໂດຍອັດຕະໂນມັດ:

1. ສົ່ງບົດລາຍງານຄວາມຄືບໜ້າຂອງໂຄງການ
2. ເຮັດສຳເລັດການແກ້ໄຂບັນຫາຄວາມຕ້ອງການ
3. ກຳນົດແຜນການຕະຫຼາດ

ໃນເວລານັ້ນ, ຂ້ອຍຮູ້ສຶກແທ້ໆວ່າມັນເປັນຊະນິດທີ່ແຕກຕ່າງກັນຢ່າງສິ້ນເຊີງຈາກການປ້ອນຂໍ້ມູນດ້ວຍສຽງແບບດັ້ງເດີມ.

ປະສົບການຮອບທີສອງ: ການປ່ຽນຄຳສັບຢ່າງບໍ່ມີຂໍ້ບົກຜ່ອງ, ການບັນຍາຍດ້ວຍວາຈາກາຍເປັນອີເມວມາດຕະຖານທັນທີ.

ຂ້ອຍໄດ້ທົດສອບຄວາມສາມາດໃນການແກ້ໄຂຂໍ້ຜິດພາດຂອງມັນໂດຍເຈດຕະນາ:

"ກອງປະຊຸມມື້ອື່ນຈະຢູ່ຫ້ອງປະຊຸມເລກທີສອງຊັ້ນສາມ - ບໍ່, ບໍ່, ໃຫ້ພວກເຮົາປ່ຽນມັນໄປເປັນຫ້ອງປະຊຸມເລກທີສາມຊັ້ນສາມ."

ມັນສະແດງອອກໂດຍກົງວ່າ: "ກອງປະຊຸມມື້ອື່ນຈະຈັດຂຶ້ນທີ່ຫ້ອງປະຊຸມເລກທີສາມຢູ່ຊັ້ນສາມ."
ການປ່ຽນທີ່ຢູ່ບໍ່ໄດ້ປະໄວ້ຮ່ອງຮອຍຫຍັງເລີຍ, ເປັນເລື່ອງທຳມະຊາດຄືກັບການສົນທະນາກັບຄົນໆໜຶ່ງ.

ສິ່ງທີ່ເຮັດໃຫ້ຂ້ອຍແປກໃຈຍິ່ງກວ່ານັ້ນກໍຄືມັນສາມາດປ່ຽນຄຳເວົ້າທີ່ເວົ້າອອກມາເປັນອີເມວໄດ້ໂດຍກົງ. ຂ້ອຍເວົ້າວ່າ:

"ກະລຸນາຂຽນອີເມວຢ່າງເປັນທາງການໃຫ້ຂ້ອຍໄດ້ບໍ່? ຂ້ອຍຢາກນັດໝາຍພົບກັບທ່ານ Zhang ເວລາ 15:00 ໂມງຂອງວັນພະຫັດກ່ຽວກັບແຜນການສົ່ງເສີມຍີ່ຫໍ້ໄຕມາດທີ 3. ຖ້າມັນບໍ່ສະດວກສຳລັບລາວ, ພວກເຮົາສາມາດຈັດການໄດ້."

ສອງສາມວິນາທີຕໍ່ມາ, ອີເມວທີ່ສົມບູນໄດ້ຖືກສ້າງຂຶ້ນ:

ຫົວຂໍ້: ການເຊີນຊວນໃຫ້ສື່ສານກ່ຽວກັບ "ແຜນການສົ່ງເສີມຍີ່ຫໍ້ໄຕມາດທີ 3"

ທ່ານ Zhang, ສະບາຍດີ:

ເພື່ອກ້າວໄປສູ່ແຜນການນີ້ໃຫ້ດີຂຶ້ນ, ຂ້າພະເຈົ້າຢາກປຶກສາຫາລືຈຸດສຳຄັນສອງສາມຢ່າງກັບທ່ານດ້ວຍຕົວເອງ. ເວລາ 3:00 ໂມງ ວັນພະຫັດນີ້ຈະເປັນເວລາທີ່ສະດວກສຳລັບທ່ານບໍ? ຖ້າບໍ່, ກະລຸນາໃຫ້ຊ່ວງເວລາທີ່ສະດວກກວ່າ, ແລະຂ້າພະເຈົ້າຈະຈັດແຈງມັນ.

ຂອບ​ໃຈ!
ພະແນກການຕະຫຼາດ Xiao Li

ໃນອະດີດ, ການຂຽນອີເມວດັ່ງກ່າວຈະໃຊ້ເວລາຢ່າງໜ້ອຍສາມຫາຫ້ານາທີ, ແຕ່ປະຈຸບັນໃຊ້ເວລາພຽງແຕ່ສິບວິນາທີເທົ່ານັ້ນ, ເຊິ່ງເປັນການປັບປຸງປະສິດທິພາບຢ່າງຫຼວງຫຼາຍ.

ການທົດສອບຮອບທີສາມ: ການຮັບຮູ້ພາສາທ້ອງຖິ່ນໄດ້ຮັບການຈັດການຢ່າງຄົບຖ້ວນ, ແລະ ການປ່ຽນຮູບແບບຕົວເລກແມ່ນເຮັດໂດຍອັດຕະໂນມັດ.

ສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງອີກອັນໜຶ່ງກັບການປ້ອນຂໍ້ມູນດ້ວຍສຽງແມ່ນພາສາທ້ອງຖິ່ນ. ເຖິງຢ່າງໃດກໍ່ຕາມ, CosyVoice ຈັດການກັບສິ່ງນີ້ໄດ້ຢ່າງງ່າຍດາຍ.

ໝູ່ຂອງຂ້ອຍຈາກຊຽງໄຮ້ເວົ້າວ່າ, "ມື້ນີ້ອາກາດດີຫຼາຍ, ໄປຍ່າງຫຼິ້ນຢູ່ The Bund ກັນເທາະ."
ມັນໄດ້ຖືກແປເປັນ: "ອາກາດດີຫຼາຍມື້ນີ້, ໄປ Bund ກັນເທາະ."

ມັນສາມາດເຂົ້າໃຈບໍ່ພຽງແຕ່ພາສາຊຽງໄຮເທົ່ານັ້ນ, ແຕ່ຍັງເຂົ້າໃຈພາສາກວາງຕຸ້ງ ແລະ ເສສວນອີກດ້ວຍ. ສຳລັບຜູ້ຊ່ຽວຊານທີ່ຕ້ອງການສື່ສານຂ້າມພາກພື້ນ, ຄຸນສົມບັດນີ້ແມ່ນຕົວຊ່ວຍຊີວິດໄດ້.

ດີກວ່ານັ້ນ, ມັນສາມາດຮັບຮູ້ຮູບແບບຕົວເລກໄດ້ໂດຍອັດຕະໂນມັດ. ຕົວຢ່າງ, "12.6%" ຖືກປ່ຽນໂດຍກົງເປັນ "12.6%"; "3.58 ລ້ານ" ຖືກປ່ຽນໂດຍອັດຕະໂນມັດເປັນ "358 ລ້ານ". ບໍ່ຈຳເປັນຕ້ອງແກ້ໄຂດ້ວຍຕົນເອງອີກຕໍ່ໄປໃນສະຖານະການທາງດ້ານການເງິນ ແລະ ຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບຂໍ້ມູນ.

ປະສົບການຮອບທີສີ່: ທັກສະຄຳສັບທີ່ນິຍົມໃຊ້ເພື່ອປັບປຸງການຮັບຮູ້ຄຳສັບສະເພາະ

ແນ່ນອນ, ມັນບໍ່ສົມບູນແບບ. ການຮັບຮູ້ຄຳນາມສະເພາະຂອງມັນຍັງຂາດຢູ່ໜ້ອຍໜຶ່ງ. ຕົວຢ່າງ, ເມື່ອຂ້ອຍເວົ້າວ່າ "du jia," ມັນຮັບຮູ້ມັນເປັນ "du jia," ເຊິ່ງພາດຈຸດປະສົງໄປຢ່າງສິ້ນເຊີງ.

ໂຊກດີ, ເອກະສານທາງການມີຄຸນສົມບັດ "ທັກສະຄຳສັບທີ່ນິຍົມ", ຊ່ວຍໃຫ້ຜູ້ໃຊ້ສາມາດເພີ່ມຄຳສັບທີ່ກຳນົດເອງໄດ້ດ້ວຍຕົນເອງ. ຫຼັງຈາກເພີ່ມຄຳສັບເຫຼົ່ານີ້ແລ້ວ, ອັດຕາຄວາມຖືກຕ້ອງຈະດີຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ມັນເປັນວິທີແກ້ໄຂທີ່ໃຊ້ໄດ້ຈິງ.

ສະຫຼຸບການທົດສອບຕົວຈິງ: ການກ້າວກະໂດດຈາກການປ້ອນຂໍ້ມູນດ້ວຍສຽງເປັນທາງເລືອກໄປສູ່ວິທີແກ້ໄຂຫຼັກ

ສິ່ງທີ່ໄດ້ມາຈາກການທົດສອບແມ່ນວ່າວິທີການປ້ອນຂໍ້ມູນ Qianwen ບໍ່ພຽງແຕ່ "ຖອດສຽງອອກເທົ່ານັ້ນ", ແຕ່ມັນ "ເຂົ້າໃຈສິ່ງທີ່ເຈົ້າຢາກເວົ້າ".

• ລຶບຄຳສັບທີ່ຕື່ມເຕັມໂດຍອັດຕະໂນມັດ, ບອກລາການລຶບ ແລະ ແກ້ໄຂດ້ວຍຕົນເອງ.
• ການປ່ຽນທີ່ຢູ່ແມ່ນລຽບງ່າຍ, ເປັນທຳມະຊາດຄືກັບການສົນທະນາກັບຄົນແທ້ໆ.
• ຄຳເວົ້າຈະຖືກປ່ຽນເປັນອີເມວໂດຍກົງ, ແລະ ຮ່າງຈະຖືກສ້າງຂຶ້ນພາຍໃນສິບວິນາທີ.

ການລວມກັນຂອງຄວາມສາມາດທັງສາມຢ່າງນີ້ໄດ້ປ່ຽນການປ້ອນຂໍ້ມູນດ້ວຍສຽງຈາກໂຊລູຊັ່ນ "ທາງເລືອກ" ໄປເປັນ "ໂຊລູຊັ່ນຫຼັກ" ທີ່ແທ້ຈິງ.

ຄຸນຄ່າຂອງມັນບໍ່ໄດ້ຢູ່ທີ່ການເຮັດໃຫ້ຄົນຄິດວ່າ "ເທັກໂນໂລຢີນີ້ໜ້າອັດສະຈັນ," ແຕ່ຢູ່ທີ່ການເຮັດໃຫ້ຄົນຄິດວ່າ "ມັນເຮັດວຽກໄດ້ດີແທ້ໆ." ນັ້ນແມ່ນສິ່ງທີ່ວິທີການປ້ອນຂໍ້ມູນຂອງ AI ຄວນຈະເປັນ.

ສະຫຼຸບແລ້ວ, ອະນາຄົດຂອງການປ້ອນຂໍ້ມູນດ້ວຍສຽງໄດ້ມາຮອດແລ້ວ; ຄວາມສະຫຼາດທີ່ແທ້ຈິງແມ່ນຢູ່ທີ່ການເຮັດໃຫ້ມັນງ່າຍຕໍ່ການໃຊ້.

ໃນຍຸກສະໄໝຂອງຂໍ້ມູນຂ່າວສານຫຼາຍເກີນໄປນີ້, ປະສິດທິພາບເທົ່າກັບຜົນຜະລິດ. ວິທີການປ້ອນຂໍ້ມູນ CosyVoice ຂອງ Alibaba, ດ້ວຍປະສົບການຂອງຜູ້ໃຊ້ທີ່ "ລຽບງ່າຍ", ສະແດງໃຫ້ເຫັນວ່າການປ້ອນຂໍ້ມູນດ້ວຍສຽງບໍ່ແມ່ນກົນອຸບາຍອີກຕໍ່ໄປ, ແຕ່ເປັນເຄື່ອງມືທີ່ສາມາດປ່ຽນແປງວິທີການເຮັດວຽກຂອງພວກເຮົາໄດ້ຢ່າງແທ້ຈິງ.

ມັນຊ່ວຍໃຫ້ພວກເຮົາຫຼຸດພົ້ນຈາກການແກ້ໄຂທີ່ໜ້າເບື່ອ ແລະ ຊ່ວຍໃຫ້ພວກເຮົາສາມາດສຸມໃສ່ເນື້ອຫາໄດ້.

ການຂຽນໃນອະນາຄົດຈະບໍ່ແມ່ນກ່ຽວກັບການແຕະນິ້ວມືໃສ່ແປ້ນພິມອີກຕໍ່ໄປ, ແຕ່ກ່ຽວກັບການໄຫຼວຽນຂອງຄວາມຄິດ ແລະ ພາສາໂດຍກົງ.

ສະຕິປັນຍາທີ່ແທ້ຈິງບໍ່ແມ່ນກ່ຽວກັບການອວດອ້າງເທັກໂນໂລຢີ, ແຕ່ກ່ຽວກັບການເຮັດໃຫ້ສິ່ງຕ່າງໆງ່າຍສໍາລັບຄົນທີ່ຈະນໍາໃຊ້.