अलीबाबाच्या कोझीव्हॉइस एआय इनपुट पद्धतीची प्रत्यक्ष चाचणी: हँड्स-फ्री इनपुट, स्पीच-टू-टेक्स्ट आउटपुट, सहजता अपेक्षांपेक्षा खूपच जास्त

खऱ्या अर्थाने हँड्स-फ्री स्वातंत्र्याचा अनुभव घ्यायचा आहे का? हा लेख अलीबाबाच्या १००० प्रश्नांवर आधारित एक सखोल चाचणी सादर करतो.AIकोझीव्हॉइस, एक इनपुट पद्धत, तुम्हाला 'तुम्ही बोलताच मसुदे तयार करण्याच्या' अत्यंत सुलभ अनुभवाची झलक देते.

तुम्ही आहात की नाहीस्व-माध्यमतुम्ही लेखक असाल, कार्यालयीन कर्मचारी असाल किंवा उच्च उत्पादकता मिळवू इच्छिणारी व्यक्ती असाल, हे कोझीव्हॉइस वैशिष्ट्य पुनरावलोकन आणि वापरकर्ता मार्गदर्शक तुम्हाला सांगेल की ते खरोखर उपयुक्त आहे की नाही आणि तुमची कार्यक्षमता दुप्पट करण्यासाठी त्याचा वापर कसा करायचा. नवीनतम एआय व्हॉइस-आधारित मजकूर लेखन तंत्रज्ञान आताच अनलॉक करा!

लेख लिहिताना अनेक लोकांना 'व्हॉइस इनपुटमधील अडचणी' जाणवल्या आहेत. एक मोठा परिच्छेद बोलून झाल्यावर, स्क्रीन 'अं,' 'ते,' आणि 'ते बरोबर आहे' अशा शब्दांनी भरून जाते, ज्यामुळे तो डिलीट करणे त्रासदायक ठरते. अलीबाबाची 'कोझीव्हॉइस' इनपुट पद्धत आल्यानंतरच मला जाणवले की, व्हॉइस इनपुटद्वारे खऱ्या अर्थाने 'मुक्तपणे बोलणे आणि सुंदर लेखन करणे' साध्य करता येते.

व्हिडिओ टाइमस्टॅम्प:

अनुभवाची पहिली फेरी: एका क्लिकवर स्वच्छ मसुदा तयार होतो, अनावश्यक शब्द त्वरित नाहीसे होतात.

पारंपरिक व्हॉइस इनपुटमधील सर्वात मोठी अडचण म्हणजे अनावश्यक शब्दांचा अतिवापर. मीटिंगमध्ये नोट्स घेताना तुम्ही खूप बोलता, पण तयार होणारा मजकूर मात्र विस्कळीत असतो.

मी चियानवेन इनपुट पद्धत वापरून एक वाक्य बोलण्याचा प्रयत्न केला:

अं... ते... पुढच्या आठवड्यात प्रकल्पाचा प्रगती अहवाल येणार आहे, कृपया माहिती आधीच तयार ठेवा आणि काहीही सुटणार नाही याची खात्री करा.

स्क्रीनवर दिसलेला निकाल असा होता:

कृपया पुढील आठवड्याच्या प्रकल्प प्रगती अहवालासाठी तुमचा डेटा आगाऊ तयार ठेवा आणि कोणतीही गोष्ट सुटणार नाही याची खात्री करा.

माझी सगळी खास वाक्ये एका क्षणात नाहीशी झाली, जणू कोणीतरी माझी हस्तलिखित प्रतच पुसून टाकली होती. त्याहूनही आश्चर्यकारक गोष्ट म्हणजे, ते त्यांना आपोआप एका यादीत संघटित करू शकत होते:

1. प्रकल्पाच्या प्रगतीचा अहवाल सादर करा
2. आवश्यकतांचे समाधान पूर्ण करा
3. विपणन योजना निश्चित करा

त्या क्षणी मला खरोखरच जाणवले की, ही पारंपरिक व्हॉइस इनपुटपेक्षा एक पूर्णपणे वेगळीच प्रजाती आहे.

अनुभवाची दुसरी फेरी: शब्दांची सहज अदलाबदल, तोंडी कथन त्वरित प्रमाणित ईमेलमध्ये रूपांतरित होते.

मी मुद्दामहून त्याच्या त्रुटी-सुधारण्याच्या क्षमतेची चाचणी घेतली:

उद्याची बैठक तिसऱ्या मजल्यावरच्या खोली क्रमांक दोनमध्ये होईल—नाही, नाही, आपण ती बदलून तिसऱ्या मजल्यावरच्या खोली क्रमांक तीनमध्ये घेऊया.

त्यातून थेट असे दिसते: "उद्याची बैठक तिसऱ्या मजल्यावर, बैठक खोली क्रमांक तीनमध्ये होईल."
पत्त्यातील बदलाचा कोणताही मागमूस राहिला नाही, जणू एखाद्या व्यक्तीशी संभाषण झाल्यासारखेच.

मला आणखी आश्चर्य वाटले की ते बोललेले शब्द थेट ईमेलमध्ये रूपांतरित करू शकत होते. मी म्हणालो:

तुम्ही कृपया हे माझ्यासाठी एका औपचारिक ईमेल स्वरूपात लिहू शकाल का? मला तिसऱ्या तिमाहीच्या (Q3) ब्रँड प्रमोशन योजनेसंदर्भात गुरुवारी दुपारी ३ वाजता श्री. झांग यांच्यासोबत एक बैठक आयोजित करायची आहे. जर त्यांना हे गैरसोयीचे असेल, तर आपण नंतर व्यवस्था करू शकतो.

काही सेकंदांनंतर, एक संपूर्ण ईमेल तयार झाला:

विषय: "तिसऱ्या तिमाहीतील ब्रँड प्रमोशन योजने" संदर्भात संवाद साधण्यासाठी आमंत्रण

श्री. झांग, नमस्कार:

ही योजना अधिक चांगल्या प्रकारे पुढे नेण्यासाठी, मला तुमच्याशी काही महत्त्वाच्या मुद्द्यांवर प्रत्यक्ष चर्चा करायची आहे. या गुरुवारी दुपारी ३:०० वाजताची वेळ तुमच्यासाठी सोयीची असेल का? नसल्यास, कृपया अधिक सोयीची वेळ कळवा, म्हणजे मी त्याची व्यवस्था करेन.

धन्यवाद!
विपणन विभाग शाओ ली

पूर्वी असे ईमेल लिहायला किमान तीन ते पाच मिनिटे लागायची, पण आता त्यासाठी फक्त दहा सेकंद लागतात, ही कार्यक्षमतेत झालेली एक मोठी सुधारणा आहे.

चाचणीची तिसरी फेरी: बोलीभाषा ओळख पूर्णपणे हाताळली गेली आणि संख्या स्वरूपाचे रूपांतरण स्वयंचलित होते.

व्हॉइस इनपुटमधील आणखी एक मोठे आव्हान म्हणजे बोलीभाषा. मात्र, कोझीव्हॉइस हे आव्हान सहजतेने हाताळते.

शांघायहून आलेला माझा मित्र म्हणाला, "आज हवामान खूप छान आहे, आपण बंडवर फिरायला जाऊया."
त्याचे लिप्यंतरण असे केले होते: "आज हवामान खूप छान आहे, चला 'द बंड'ला जाऊया."

ते केवळ शांघायनीजच नव्हे, तर कॅन्टोनीज आणि सिचुआनीज भाषाही समजू शकते. ज्या व्यावसायिकांना विविध प्रदेशांमध्ये संवाद साधण्याची गरज असते, त्यांच्यासाठी हे वैशिष्ट्य अत्यंत उपयुक्त आहे.

त्याहूनही उत्तम म्हणजे, ते संख्यांचे स्वरूप आपोआप ओळखू शकते. उदाहरणार्थ, "12.6%" चे थेट "12.6%" मध्ये रूपांतर होते; "3.58 दशलक्ष" चे आपोआप "358 दशलक्ष" मध्ये रूपांतर होते. आर्थिक आणि डेटा-संबंधित परिस्थितींमध्ये आता मॅन्युअल संपादनाची आवश्यकता नाही.

अनुभवाची चौथी फेरी: विशिष्ट शब्दसंग्रहाची ओळख सुधारण्यासाठी हॉट वर्ड कौशल्ये

अर्थातच, ते परिपूर्ण नाही. विशिष्ट नामांना ओळखण्याची त्याची क्षमता अजूनही थोडी कमी आहे. उदाहरणार्थ, जेव्हा मी "du jia" म्हणतो, तेव्हा ते त्याला "du jia" म्हणूनच ओळखते, ज्यामुळे मूळ मुद्दाच हरवून जातो.

सुदैवाने, अधिकृत दस्तऐवजात 'हॉट वर्ड स्किल' नावाचे एक वैशिष्ट्य आहे, जे वापरकर्त्यांना स्वतःहून सानुकूल शब्द जोडण्याची परवानगी देते. हे शब्द जोडल्यानंतर, अचूकतेचा दर लक्षणीयरीत्या सुधारतो. हा एक व्यावहारिक आणि तात्पुरता उपाय आहे.

प्रात्यक्षिक चाचणीचा सारांश: एक पर्याय म्हणून व्हॉइस इनपुटपासून ते मुख्य उपायापर्यंतची झेप

या चाचणीतून मिळालेला सर्वात महत्त्वाचा निष्कर्ष हा आहे की, चियानवेन इनपुट मेथड केवळ "आवाज उतरवून घेत नाही," तर "तुम्हाला काय म्हणायचे आहे हे समजून घेते."

• अनावश्यक शब्द आपोआप काढून टाका, हाताने हटवण्याला आणि संपादनाला कायमचा निरोप द्या.
• पत्ता बदलण्याची प्रक्रिया एखाद्या खऱ्या व्यक्तीशी संवाद साधण्याइतकीच सहज आणि सुरळीत पार पडली.
• बोललेले शब्द थेट ईमेलमध्ये रूपांतरित केले जातात आणि दहा सेकंदात मसुदे तयार होतात.

या तीन क्षमतांच्या संयोजनाने व्हॉइस इनपुटला एका 'ऐच्छिक' उपायावरून खऱ्या अर्थाने 'प्राथमिक उपाय' बनवले आहे.

त्याचे मूल्य लोकांना 'हे तंत्रज्ञान अद्भुत आहे' असे वाटायला लावण्यात नाही, तर 'ते खरोखरच उत्तम काम करते' असे वाटायला लावण्यात आहे. एआय इनपुट पद्धत अशीच असायला हवी.

थोडक्यात सांगायचे तर, व्हॉइस इनपुटचे भविष्य आले आहे; वापरण्यास सोपे बनवण्यातच खरी बुद्धिमत्ता आहे.

माहितीच्या या अतिरेकी युगात, कार्यक्षमता म्हणजे उत्पादकता. अलीबाबाची कोझीव्हॉइस इनपुट पद्धत, तिच्या 'सुलभ' वापरकर्ता अनुभवासह, हे दाखवून देते की व्हॉइस इनपुट आता केवळ एक दिखावा राहिलेला नाही, तर ते आपल्या कामाच्या पद्धतीत खऱ्या अर्थाने परिवर्तन घडवून आणणारे एक साधन आहे.

हे आपल्याला कंटाळवाण्या संपादनातून मुक्त करते आणि प्रत्यक्ष आशयावर लक्ष केंद्रित करण्यास अनुमती देते.

भविष्यातील लेखन हे यापुढे कीबोर्डवर बोटं वाजवण्याबद्दल नसेल, तर ते विचारांच्या आणि भाषेच्या थेट प्रवाहाबद्दल असेल.

खरी बुद्धिमत्ता म्हणजे तंत्रज्ञानाचे प्रदर्शन करणे नव्हे, तर लोकांना गोष्टी वापरण्यास सोप्या बनवणे होय.