Test w warunkach rzeczywistych metody wprowadzania danych CosyVoice AI firmy Alibaba: wprowadzanie danych bez użycia rąk, przetwarzanie mowy na tekst i płynność znacznie przekraczają oczekiwania

Chcesz doświadczyć prawdziwej wolności bez użycia rąk? W tym artykule znajdziesz szczegółowy test oparty na 1000 pytaniach Alibaby.AICosyVoice, metoda wprowadzania tekstu, oferuje Ci wgląd w wyjątkowo płynne doświadczenie „generowania wersji roboczych od razu po mówieniu”.

czy jesteśmedia własneNiezależnie od tego, czy jesteś pisarzem, pracownikiem biurowym, czy osobą dążącą do wysokiej produktywności, ta recenzja funkcji CosyVoice i przewodnik użytkownika powiedzą Ci, czy jest ona naprawdę przydatna i jak z niej korzystać, aby podwoić swoją wydajność. Odblokuj najnowszą technologię pisania tekstu opartego na głosie AI już teraz!

Wiele osób doświadczyło „pułapek wprowadzania głosowego” podczas pisania artykułów. Po przeczytaniu długiego akapitu, ekran wypełnia się „yyy”, „tamto” i „zgadza się”, co frustruje przy usuwaniu tekstu. Dopiero gdy pojawiła się metoda wprowadzania głosowego CosyVoice firmy Alibaba, zdałem sobie sprawę, że wprowadzanie głosowe może naprawdę pomóc w „swobodnym mówieniu i pięknym pisaniu”.

Sygnatura czasowa wideo:

Pierwsza runda doświadczeń: Czysty szkic wygenerowany jednym kliknięciem, słowa-wypełniacze znikają natychmiast.

Największą bolączką tradycyjnego wprowadzania głosowego jest nadmierne używanie słów-wypełniaczy. Robiąc notatki na spotkaniu, dużo mówisz, ale tekst, który z tego powstaje, to bałagan.

Spróbowałem użyć metody wprowadzania tekstu Qianwen, aby powiedzieć zdanie:

„Hm...że...raport z postępu projektu w przyszłym tygodniu, proszę przygotować dane z wyprzedzeniem i upewnić się, że nic nie zostało pominięte.”

Wynik wyświetlony na ekranie wyglądał następująco:

„Proszę przygotować dane z wyprzedzeniem na potrzeby raportu o postępach projektu w przyszłym tygodniu i upewnić się, że nic nie zostało pominięte”.

Wszystkie moje slogany zniknęły natychmiast, jakby ktoś wyczyścił mój rękopis. Co jeszcze bardziej zaskakujące, program automatycznie uporządkował je w listę:

1. Prześlij raport o postępie projektu
2. Uzupełnij rozwiązanie wymagań
3. Określ plan marketingowy

W tym momencie naprawdę poczułem, że to zupełnie inny gatunek niż tradycyjne przekazywanie głosu.

Druga runda doświadczeń: Płynna zmiana słów, narracja werbalna natychmiast staje się standardową treścią w wiadomościach e-mail.

Celowo przetestowałem jego możliwości korekcji błędów:

„Jutro spotkanie odbędzie się w sali konferencyjnej numer dwa na trzecim piętrze – nie, nie, przenieśmy je do sali konferencyjnej numer trzy na trzecim piętrze”.

Bezpośrednio na wyjściu jest napisane: „Jutro spotkanie odbędzie się w sali konferencyjnej numer trzy na trzecim piętrze”.
Zmiana adresu nie pozostawiła po sobie śladu, była czymś tak naturalnym jak rozmowa z drugim człowiekiem.

Jeszcze bardziej zaskoczyło mnie to, że potrafiło bezpośrednio konwertować słowa mówione na e-maile. Powiedziałem:

„Czy mógłby Pan napisać mi to w formalnym formacie e-maila? Chciałbym umówić się z panem Zhangiem na spotkanie w czwartek o godzinie 3:3 w sprawie planu promocji marki w trzecim kwartale. Jeśli to dla niego nie dogodne, możemy się dogadać.”

Kilka sekund później wygenerowany został kompletny e-mail:

Temat: Zaproszenie do komunikacji w sprawie „Planu promocji marki na III kwartał”

Panie Zhang, witam:

Aby lepiej zrealizować ten plan, chciałbym omówić z Państwem kilka kluczowych kwestii osobiście. Czy godzina 3:00 w ten czwartek byłaby dla Państwa dogodna? Jeśli nie, proszę o podanie bardziej dogodnego terminu, a ja go zorganizuję.

Dziękuję Ci!
Dział marketingu Xiao Li

Dawniej napisanie takiego e-maila zajmowało od trzech do pięciu minut, ale teraz wystarczy zaledwie dziesięć sekund, co stanowi znaczną poprawę efektywności.

Trzecia runda testów: w pełni obsłużono rozpoznawanie dialektów, a konwersja formatu liczb odbyła się automatycznie.

Kolejnym poważnym wyzwaniem związanym z wprowadzaniem głosu są dialekty. CosyVoice radzi sobie z tym jednak bez problemu.

Mój przyjaciel z Szanghaju powiedział: „Dzisiaj jest taka ładna pogoda, chodźmy na spacer na Bund”.
Transkrypcja wyglądała następująco: „Dzisiaj jest taka ładna pogoda, chodźmy na Bund”.

Rozumie nie tylko szanghajski, ale także kantoński i syczuański. Dla profesjonalistów, którzy muszą komunikować się między regionami, ta funkcja to prawdziwe wybawienie.

Co więcej, automatycznie rozpoznaje formaty liczb. Na przykład „12.6%” jest bezpośrednio konwertowane na „12,6%”; „3.58 milionów” jest automatycznie konwertowane na „358 milionów”. Nie ma potrzeby ręcznej edycji w scenariuszach finansowych i związanych z danymi.

Czwarta runda doświadczeń: Umiejętności związane ze słowami kluczowymi, mające na celu poprawę rozpoznawania niszowego słownictwa

Oczywiście, nie jest idealny. Nadal brakuje mu rozpoznawania nazw własnych niszowych. Na przykład, kiedy mówię „du jia”, system rozpoznaje to jako „du jia”, co zupełnie mija się z celem.

Na szczęście oficjalna dokumentacja oferuje funkcję „Hot Word Skill”, która umożliwia użytkownikom ręczne dodawanie własnych słów. Po ich dodaniu wskaźnik dokładności znacznie wzrasta. To praktyczne rozwiązanie.

Podsumowanie testu praktycznego: Przejście od wprowadzania głosowego jako opcji do rozwiązania podstawowego

Najważniejszym wnioskiem z testu jest to, że metoda wprowadzania tekstu Qianwen nie tylko „transkrypuje dźwięk”, ale także „rozumie, co chcesz powiedzieć”.

• Automatycznie usuwaj słowa-wypełniacze, pożegnaj się z ręcznym usuwaniem i edycją.
• Zmiana adresu odbyła się bezproblemowo, tak naturalnie, jak rozmowa z prawdziwym człowiekiem.
• Wypowiedziane słowa są bezpośrednio konwertowane na wiadomości e-mail, a wersje robocze są generowane w ciągu dziesięciu sekund.

Połączenie tych trzech możliwości sprawiło, że wprowadzanie głosu przestało być rozwiązaniem „opcjonalnym” i stało się prawdziwie „rozwiązaniem podstawowym”.

Jej wartość nie polega na tym, że ludzie myślą „technologia jest niesamowita”, ale na tym, że „działa naprawdę dobrze”. Tak właśnie powinna wyglądać metoda wprowadzania danych przez sztuczną inteligencję.

Podsumowując, przyszłość wprowadzania danych głosowych już nadeszła; prawdziwa inteligencja leży w ułatwieniu korzystania z niej.

W dobie przeciążenia informacyjnego, wydajność równa się produktywności. Metoda wprowadzania danych CosyVoice firmy Alibaba, z jej „płynnym” doświadczeniem użytkownika, dowodzi, że wprowadzanie danych głosowych nie jest już tylko gadżetem, ale narzędziem, które może naprawdę odmienić nasz sposób pracy.

Uwalnia nas od żmudnej edycji i pozwala nam skupić się na samej treści.

W przyszłości pisanie nie będzie już polegało na stukaniu palcami w klawiaturę, lecz na bezpośrednim przepływie myśli i języka.

Prawdziwa inteligencja nie polega na popisywaniu się technologią, lecz na ułatwianiu ludziom korzystania z niej.