Тестирование системы ввода CosyVoice AI от Alibaba в реальных условиях: ввод без помощи рук, преобразование речи в текст, плавность работы значительно превосходят ожидания.

Хотите ощутить настоящую свободу рук? В этой статье представлен подробный тест, основанный на «1000 вопросах» Alibaba.AICosyVoice — это метод ввода, который позволяет получить представление об идеально удобном процессе «создания черновиков сразу после начала разговора».

Будь тысамо СМИНезависимо от того, являетесь ли вы писателем, офисным работником или человеком, стремящимся к высокой производительности, этот обзор функций и руководство пользователя CosyVoice расскажут вам, действительно ли эта технология полезна и как использовать ее для удвоения вашей эффективности. Откройте для себя новейшую технологию голосового ввода текста на основе искусственного интеллекта прямо сейчас!

Многие сталкивались с «подводными камнями голосового ввода» при написании статей. После произнесения длинного абзаца экран заполняется «эм», «это» и «верно», что делает удаление текста крайне неприятным. Только с появлением метода ввода CosyVoice от Alibaba я понял, что голосовой ввод действительно позволяет «говорить свободно и писать красиво».

Временная метка видео:

Первый этап тестирования: чистый черновик создается одним щелчком мыши, лишние слова мгновенно исчезают.

Главная проблема традиционного голосового ввода — чрезмерное использование слов-паразитов. При ведении записей на совещании вы много говорите, но в итоге получается бессвязный текст.

Я попытался использовать метод ввода Qianwen, чтобы произнести предложение:

«Э-э... это... отчет о ходе проекта будет на следующей неделе, пожалуйста, подготовьте данные заранее и убедитесь, что ничего не упущено».

На экране отобразился следующий результат:

«Пожалуйста, подготовьте данные заранее для отчета о ходе проекта на следующей неделе и убедитесь, что ничего не упущено».

Все мои коронные фразы мгновенно исчезли, словно кто-то стёр все следы из моего рукописного текста. Что ещё более удивительно, программа смогла автоматически упорядочить их в список:

1. Предоставьте отчет о ходе выполнения проекта.
2. Завершите решение требований.
3. Определите маркетинговый план.

В тот момент я действительно почувствовал, что это совершенно другой вид ввода, отличный от традиционного голосового ввода.

Второй этап тестирования: плавная смена слов, устное повествование мгновенно превращается в стандартное электронное письмо.

Я намеренно проверил его возможности по исправлению ошибок:

«Завтрашнее совещание состоится в переговорной комнате номер два на третьем этаже — нет, нет, давайте перенесем его в переговорную комнату номер три на третьем этаже».

В результате выполнения программы выводится следующее: «Завтрашнее совещание состоится в конференц-зале номер три на третьем этаже».
Смена адреса не оставила никаких следов, это было так же естественно, как разговор с человеком.

Ещё больше меня удивило то, что оно могло напрямую преобразовывать произнесённые слова в электронные письма. Я сказал:

«Не могли бы вы оформить это письмо в официальном формате? Я хотел бы назначить встречу с г-ном Чжаном в 3:3 в четверг для обсуждения плана продвижения бренда в третьем квартале. Если это будет ему неудобно, мы можем договориться».

Через несколько секунд было сгенерировано полное электронное письмо:

Тема: Приглашение к общению по поводу «Плана продвижения бренда на 3 квартал»

Здравствуйте, господин Чжан:

Для более эффективного продвижения этого плана я хотел бы обсудить с вами несколько ключевых моментов лично. Удобно ли вам будет встретиться в четверг в 3:00? Если нет, пожалуйста, укажите более удобное для вас время, и я его организую.

Спасибо
Отдел маркетинга Сяо Ли

Раньше написание подобных писем занимало от трех до пяти минут, а теперь — всего десять секунд, что значительно повышает эффективность.

Третий этап тестирования: распознавание диалектов полностью реализовано, а преобразование формата чисел происходит автоматически.

Ещё одной серьёзной проблемой при голосовом вводе являются диалекты. Однако CosyVoice справляется с этим без труда.

Мой друг из Шанхая сказал: «Сегодня такая прекрасная погода, давай прогуляемся по набережной Бунд».
В транслитерации это звучало так: «Сегодня такая прекрасная погода, пойдем на набережную Бунд».

Он понимает не только шанхайский диалект, но и кантонский и сычуаньский. Для специалистов, которым необходимо общаться между регионами, эта функция — настоящее спасение.

Более того, система может автоматически распознавать форматы чисел. Например, "12.6%" напрямую преобразуется в "12,6%"; "3.58 миллионов" автоматически преобразуется в "358 миллионов". В финансовых и связанных с данными сценариях больше не требуется ручное редактирование.

Четвертый этап обучения: освоение ключевых слов для улучшения распознавания узкоспециализированной лексики.

Конечно, это не идеально. Распознавание специфических имен собственных все еще немного хромает. Например, когда я говорю «du jia», он распознает это как «du jia», что совершенно не соответствует сути.

К счастью, в официальной документации предусмотрена функция «Навык "Горячие слова"», позволяющая пользователям вручную добавлять собственные слова. После добавления этих слов точность распознавания значительно повышается. Это практичное решение проблемы.

Краткий обзор практического теста: Переход от голосового ввода как опции к основному решению.

Главный вывод из теста заключается в том, что метод ввода Qianwen не просто «транскрибирует звук», он «понимает, что вы хотите сказать».

• Автоматическое удаление слов-паразитов, забудьте о ручном удалении и редактировании.
• Смена адреса прошла без проблем, так же естественно, как разговор с реальным человеком.
• Произнесенные слова напрямую преобразуются в электронные письма, а черновики создаются за десять секунд.

Сочетание этих трех возможностей превратило голосовой ввод из «дополнительного» решения в настоящее «основное решение».

Ценность технологии заключается не в том, чтобы заставить людей думать: «Эта технология потрясающая», а в том, чтобы заставить людей думать: «Она действительно хорошо работает». Именно таким должен быть метод ввода данных с помощью ИИ.

В заключение, будущее голосового ввода уже наступило; истинный интеллект заключается в том, чтобы сделать его простым в использовании.

В наш век информационной перегрузки эффективность равна производительности. Метод ввода CosyVoice от Alibaba, с его "плавным" пользовательским интерфейсом, демонстрирует, что голосовой ввод — это уже не просто рекламный трюк, а инструмент, способный по-настоящему изменить наш подход к работе.

Это избавляет нас от утомительного редактирования и позволяет сосредоточиться на самом содержании.

В будущем писательство будет заключаться уже не в стучании пальцами по клавиатуре, а в непосредственном потоке мыслей и языка.

Истинный интеллект заключается не в демонстрации технологий, а в том, чтобы сделать их удобными для использования людьми.