Тест во реалниот свет за методот на внесување со вештачка интелигенција CosyVoice на Alibaba: Внесување без раце, претворање на говор во текст, мазноста далеку ги надминува очекувањата

Сакате да доживеете вистинска слобода без раце? Оваа статија нуди детален тест базиран на 1000-те прашања на Alibaba.AICosyVoice, метод на внесување, ви нуди увид во врвното непречено искуство на „генерирање нацрти штом ќе проговорите“.

Без разлика дали стесамо-медиумиБез разлика дали сте писател, канцелариски работник или некој што бара висока продуктивност, овој преглед на функцијата на CosyVoice и упатството за користење ќе ви кажат дали е навистина корисна и како да ја користите за да ја удвоите вашата ефикасност. Отклучете ја најновата технологија за пишување текст базирана на вештачка интелигенција сега!

Многу луѓе ги искусиле „стапиците на гласовниот внес“ при пишување статии. Откако ќе се изговори долг пасус, екранот се исполнува со „хм“, „тоа“ и „точно така“, што го прави фрустрирачки бришењето. Дури кога се појави методот за внесување CosyVoice на Alibaba, сфатив дека гласовниот внес навистина може да постигне „слободно зборување и убаво пишување“.

Временски печат на видео:

Прв круг на искуство: Чист нацрт генериран со еден клик, зборовите за полнење исчезнуваат веднаш.

Најголемата маана на традиционалниот гласовен внес е прекумерната употреба на дополнителни зборови. Кога водите белешки на состанок, зборувате многу, но добиениот текст е хаос.

Се обидов да го користам методот на внесување Qianwen за да кажам реченица:

„Хм...тоа...извештајот за напредокот на проектот следната недела, ве молам подгответе ги податоците однапред и осигурајте се дека ништо не е пропуштено.“

Резултатот прикажан на екранот беше:

„Ве молиме однапред подгответе ги вашите податоци за извештајот за напредокот на проектот следната недела и погрижете се ништо да не е пропуштено.“

Сите мои фрази исчезнаа веднаш, како некој да ми го избришал ракописот. Уште поизненадувачки, можеше автоматски да ги организира во листа:

1. Поднесете извештај за напредокот на проектот
2. Завршете го решението за барањата
3. Одредете го маркетинг планот

Во тој момент, навистина почувствував дека тоа е сосема различен вид од традиционалниот гласовен внес.

Втора рунда на искуство: Беспрекорна промена на зборови, вербалната нарација веднаш станува стандардна е-пошта.

Намерно ги тестирав неговите можности за корекција на грешки:

„Утрешниот состанок ќе биде во сала за состаноци број два на третиот кат — не, не, ајде да ја смениме во сала за состаноци број три на третиот кат.“

Директно пишува: „Утрешниот состанок ќе се одржи во сала за состаноци број три на третиот кат.“
Промената на адресата не остави никаква трага, природна како разговор со некоја личност.

Она што ме изненади уште повеќе беше тоа што можеше директно да ги конвертира изговорените зборови во е-пошта. Јас реков:

„Дали би можеле да ми го напишете ова во формална е-пошта? Би сакал да закажам состанок со г-дин Жанг во четврток во 15 часот во врска со планот за промоција на брендот за третиот квартал. Доколку нему му е незгодно, можеме да се договориме.“

Неколку секунди подоцна, беше генерирана комплетна е-пошта:

Предмет: Покана за комуникација во врска со „Планот за промоција на брендот за третиот квартал“

Господине Џанг, здраво:

За подобро да го унапредам овој план, би сакал лично да разговарам со вас за неколку клучни точки. Дали овој четврток во 3:00 часот би било погодно време за вас? Ако не, ве молам наведете попогоден термин и јас ќе го организирам.

Ви благодарам!
Оддел за маркетинг Сјао Ли

Во минатото, пишувањето вакви е-пораки траеше најмалку три до пет минути, но сега се потребни само десет секунди, што е огромно подобрување на ефикасноста.

Трета рунда на тестирање: Препознавањето на дијалект беше целосно извршено, а конверзијата на бројчениот формат беше автоматска.

Друг голем предизвик со гласовниот внес се дијалектите. Сепак, CosyVoice се справува со ова со леснотија.

Мојот пријател од Шангај рече: „Времето е толку убаво денес, ајде да одиме на прошетка до Бунд.“
Беше транслитерирано како: „Времето е толку убаво денес, ајде да одиме во Бунд“.

Може да разбира не само шангајски, туку и кантонски и сечуански. За професионалци кои треба да комуницираат низ региони, оваа функција е од витално значење.

Уште подобро, може автоматски да препознава бројчени формати. На пример, „12.6%“ директно се конвертира во „12,6%“; „3.58 милиони“ автоматски се конвертира во „358 милиони“. Не е потребно повеќе рачно уредување во финансиски и сценарија поврзани со податоци.

Четврта рунда на искуство: Вештини за популарни зборови за подобрување на препознавањето на нишен вокабулар

Секако, не е совршено. Сè уште малку недостасува препознавање на нишни сопствени именки. На пример, кога велам „ду џиа“, го препознава како „ду џиа“, што целосно ја промашува поентата.

За среќа, официјалната документација нуди функција „Hot Word Skill“, која им овозможува на корисниците рачно да додаваат прилагодени зборови. По нивното додавање, стапката на точност значително се подобрува. Тоа е практично корективно решение.

Резиме на практичен тест: Скокот од гласовен внес како опција кон примарното решение

Најголемата поента од тестот е дека методот на внесување Qianwen не само што „транскрибира звук“, туку „разбира што сакате да кажете“.

• Автоматски отстранувајте ги зборовите за дополнување, кажете збогум на рачното бришење и уредување.
• Промената на адресата беше беспрекорна, природна како разговор со вистинска личност.
• Изговорените зборови се претвораат директно во е-пошта, а нацртите се генерираат за десет секунди.

Комбинацијата од овие три можности го трансформираше гласовниот внес од „опционално“ решение во вистинско „примарно решение“.

Неговата вредност не лежи во тоа што ги наведува луѓето да мислат „технологијата е неверојатна“, туку во тоа што ги наведува да мислат „функционира навистина добро“. Таков треба да биде методот на внесување податоци со вештачка интелигенција.

Како заклучок, иднината на гласовниот внес пристигна; вистинската интелигенција лежи во тоа да се олесни неговата употреба.

Во ова време на преоптоварување со информации, ефикасноста е еднаква на продуктивноста. Методот за внесување CosyVoice на Alibaba, со своето „мазно“ корисничко искуство, покажува дека гласовниот внес повеќе не е трик, туку алатка што навистина може да го трансформира начинот на кој работиме.

Нè ослободува од досадно уредување и ни овозможува да се фокусираме на самата содржина.

Пишувањето на иднината повеќе нема да биде околу удирање со прсти по тастатурата, туку околу директниот тек на мислите и јазикот.

Вистинската интелигенција не е во тоа да се покажува со технологија, туку да им се олесни на луѓето да ги користат работите.