ලිපි නාමාවලිය
සැබෑ අත්-නිදහස් නිදහස අත්විඳීමට අවශ්‍යද? මෙම ලිපිය Alibaba හි CosyVoice AI ආදාන ක්‍රමය පිළිබඳ ගැඹුරු සමාලෝචනයක් සපයන අතර , "කතා කිරීමේ සහ පෙළ ජනනය කිරීමේ" අවසාන සුමට අත්දැකීම පිළිබඳ කෙටි අවබෝධයක් ඔබට ලබා දෙයි.
ඔබ ස්වයං මාධ්‍ය ලේඛකයෙකු වුවත්, සුදු කරපටි සේවකයෙකු වුවත්, ඉහළ ඵලදායිතාවයක් සොයන අයෙකු වුවත්, මෙම CosyVoice විශේෂාංග සමාලෝචනය සහ පරිශීලක මාර්ගෝපදේශය එය සැබවින්ම ප්‍රයෝජනවත්ද යන්න සහ ඔබේ කාර්යක්ෂමතාව දෙගුණ කිරීමට එය භාවිතා කරන්නේ කෙසේද යන්න ඔබට කියනු ඇත, නවතම AI හඬ-පාදක පෙළ-කට-කථන තාක්ෂණය අගුළු හරිනු ඇත!
ලිපි ලිවීමේදී "හඬ ආදාන උගුල්" බොහෝ අය අත්විඳ ඇත. දිගු ඡේදයක් කථා කිරීමෙන් පසු, තිරය "ම්ම්," "ඒක," සහ "ඒක හරි" වලින් පිරී ඇති අතර, එය මකා දැමීම කලකිරීමට පත් කරයි. Alibaba හි CosyVoice ආදාන ක්‍රමය පැමිණි පසු, හඬ ආදානයට සැබවින්ම "නිදහසේ කතා කිරීම සහ ලස්සනට ලිවීම" සාක්ෂාත් කරගත හැකි බව මට වැටහුණි.
වීඩියෝ කාල මුද්රාව:
- 00:00 AI ආදාන ක්‍රම සමාලෝචනය / Alibaba Qianwen AI: Alibaba Qianwen AI ආදාන ක්‍රමයේ සහ කථනයෙන් පෙළට පරිවර්තනය කිරීමේ කාර්යක්ෂම අත්දැකීම් පිළිබඳ සැබෑ ලෝක පරීක්ෂාව
- 00:28 CosyVoice / බාගත කර ස්ථාපනය කරන්න. Androidආදාන ක්‍රම නිබන්ධනය: ජංගම යෙදුමේ ගිවිසුම බාගත කිරීම, ස්ථාපනය කිරීම සහ එකඟ වීමේ සම්පූර්ණ ක්‍රියාවලිය නිරූපණය කිරීම.
- 00:59 ආදාන ක්‍රම සක්‍රිය කිරීමේ නිබන්ධනය / AI හඬ සහායකයේ වාසි: මූලික වාසි හතර විශ්ලේෂණය කිරීම සහ ආදාන ක්‍රම සක්‍රිය කර මාරු කරන්නේ කෙසේද යන්න නිරූපණය කිරීම
- 01:53 කථනයෙන් පෙළට පරීක්ෂණය / බුද්ධිමත් දෝෂ නිවැරදි කිරීම සහ ඔප දැමීම: හඬ ආදානය, මයික්‍රෆෝන අවසර වින්‍යාසය සහ ස්වයංක්‍රීය අංක සැකැස්ම සහ පිටපත් කිරීම නිරූපණය කිරීම.
- 02:16 හඬ විධාන සංස්කරණය/කථා කිරීමේ සහ ලිවීමේ ශිල්පීය ක්‍රම: හඬ විධාන භාවිතයෙන් තත්‍ය කාලීනව පෙළ අන්තර්ගතය වෙනස් කරන සහ සංස්කරණය කරන ආකාරය නිරූපණය කිරීම.
- 02:40 AI මෙවලම් බෙදාගැනීම / කාර්යක්ෂම කාර්යාල කුසලතා: AI යුගයේ කාර්යක්ෂමතා මෙවලම්වල වටිනාකම සාරාංශ කිරීම
පළමු වටයේ අත්දැකීම: එක් ක්ලික් කිරීමකින් ජනනය කරන ලද පිරිසිදු කෙටුම්පත, පිරවුම් වචන ක්ෂණිකව අතුරුදහන් වේ.
සාම්ප්‍රදායික හඬ ආදානයේ ඇති ලොකුම වේදනාකාරී කරුණ වන්නේ පිරවුම් වචන අධික ලෙස භාවිතා කිරීමයි. රැස්වීමකදී සටහන් ගන්නා විට, ඔබ බොහෝ දේ කතා කරයි, නමුත් ප්‍රතිඵලයක් ලෙස ලැබෙන පෙළ අවුල් සහගතය.
මම Qianwen ආදාන ක්‍රමය භාවිතා කර වාක්‍යයක් කීමට උත්සාහ කළෙමි:
"ම්...ඒ... ලබන සතියේ ව්‍යාපෘති ප්‍රගති වාර්තාව, කරුණාකර කල්තියා දත්ත සකස් කරන්න, කිසිවක් අතපසු නොකිරීමට වග බලා ගන්න."
තිරයේ දිස්වූ ප්‍රතිඵලය වූයේ:
"කරුණාකර ලබන සතියේ ව්‍යාපෘති ප්‍රගති වාර්තාව සඳහා ඔබේ දත්ත කල්තියා සූදානම් කරන්න, කිසිවක් අතපසු නොකිරීමට වග බලා ගන්න."
මගේ සියලු ආකර්ශනීය වාක්‍ය ඛණ්ඩ ක්ෂණිකව අතුරුදහන් විය, යමෙකු මගේ අත්පිටපත පිරිසිදු කළාක් මෙන්. ඊටත් වඩා පුදුමයට කරුණක් නම්, එය ස්වයංක්‍රීයව ලැයිස්තුවකට ඒවා සංවිධානය කළ හැකිය:
- ව්‍යාපෘති ප්‍රගති වාර්තාව ඉදිරිපත් කරන්න
- අවශ්‍යතා විසඳුම සම්පූර්ණ කරන්න
- අලෙවිකරණ සැලැස්ම තීරණය කරන්න
ඒ මොහොතේ, එය සාම්ප්‍රදායික හඬ ආදානයට වඩා සම්පූර්ණයෙන්ම වෙනස් විශේෂයක් බව මට සැබවින්ම දැනුනි.
දෙවන වටයේ අත්දැකීම: බාධාවකින් තොරව වචන වෙනස් කිරීම, වාචික ආඛ්‍යානය ක්ෂණිකව සම්මත විද්‍යුත් තැපෑලක් බවට පත්වේ.
මම හිතාමතාම එහි දෝෂ නිවැරදි කිරීමේ හැකියාවන් පරීක්ෂා කළා:
"හෙට රැස්වීම තුන්වන මහලේ රැස්වීම් කාමර අංක දෙකේ තියෙනවා - නෑ, නෑ, අපි ඒක තුන්වන මහලේ රැස්වීම් කාමර අංක තුනට වෙනස් කරමු."
එය කෙලින්ම ප්‍රතිදානය කරන්නේ: "හෙට රැස්වීම තුන්වන මහලේ රැස්වීම් කාමර අංක තුනේ පැවැත්වේ."
ලිපිනය වෙනස් කිරීම කිසිදු හෝඩුවාවක් ඉතිරි කළේ නැත, එය පුද්ගලයෙකු සමඟ සංවාදයක් තරම් ස්වාභාවිකය.
ඊටත් වඩා මාව පුදුමයට පත් කළේ එයට කතා කරන වචන කෙලින්ම විද්‍යුත් තැපෑල බවට පරිවර්තනය කළ හැකි වීමයි. මම මෙසේ කීවෙමි:
"කරුණාකර ඔබට මෙය විධිමත් විද්‍යුත් තැපැල් ආකෘතියකට මට ලියා ගත හැකිද? Q3 සන්නාම ප්‍රවර්ධන සැලැස්ම සම්බන්ධයෙන් බ්‍රහස්පතින්දා සවස 3 ට ෂැං මහතා සමඟ රැස්වීමක් සැලසුම් කිරීමට මම කැමතියි. එය ඔහුට අපහසු නම්, අපට කටයුතු සූදානම් කළ හැකිය."
තත්පර කිහිපයකට පසු, සම්පූර්ණ විද්‍යුත් තැපෑලක් ජනනය විය:
මාතෘකාව: "Q3 සන්නාම ප්‍රවර්ධන සැලැස්ම" සම්බන්ධයෙන් සන්නිවේදනය කිරීමට ආරාධනාව.
ෂැං මහතා, හෙලෝ:
මෙම සැලැස්ම වඩා හොඳින් ඉදිරියට ගෙන යාම සඳහා, මම ඔබ සමඟ පෞද්ගලිකව ප්‍රධාන කරුණු කිහිපයක් සාකච්ඡා කිරීමට කැමතියි. මෙම බ්‍රහස්පතින්දා සවස 3:00 ඔබට පහසු කාලයක් වේවිද? එසේ නොවේ නම්, කරුණාකර වඩාත් පහසු වේලාවක් ලබා දෙන්න, එවිට මම එය සංවිධානය කරමි.
ඔබට ස්තුතියි!
අලෙවිකරණ දෙපාර්තමේන්තුව ෂියාඕ ලී
අතීතයේදී එවැනි විද්‍යුත් තැපැල් ලිවීමට අවම වශයෙන් මිනිත්තු තුනක් හෝ පහක් ගත වූ නමුත් දැන් එයට ගත වන්නේ තත්පර දහයක් පමණි, එය කාර්යක්ෂමතාවයේ විශාල දියුණුවකි.
තුන්වන වටයේ පරීක්ෂණ: උපභාෂා හඳුනාගැනීම සම්පූර්ණයෙන්ම හසුරුවන ලද අතර, සංඛ්‍යා ආකෘති පරිවර්තනය ස්වයංක්‍රීය විය.
කටහඬ ආදානයේ තවත් ප්‍රධාන අභියෝගයක් වන්නේ උපභාෂා ය. කෙසේ වෙතත්, CosyVoice මෙය පහසුවෙන් හසුරුවයි.
ෂැංහයි වල හිටපු මගේ යාළුවා කිව්වා, "අද කාලගුණය හරිම හොඳයි, අපි බුන්ඩ් එකට ඇවිදින්න යමු" කියලා.
එය මෙසේ අක්ෂර පරිවර්තනය කරන ලදී: "අද කාලගුණය හරිම හොඳයි, අපි බුන්ඩ් එකට යමු."
එයට ෂැංහයිනීස් පමණක් නොව, කැන්ටනීස් සහ සිචුවාන් භාෂාවද තේරුම් ගත හැකිය. කලාප හරහා සන්නිවේදනය කිරීමට අවශ්‍ය වෘත්තිකයන් සඳහා, මෙම විශේෂාංගය ජීවිතාරක්ෂකයකි.
ඊටත් වඩා හොඳයි, එයට සංඛ්‍යා ආකෘති ස්වයංක්‍රීයව හඳුනාගත හැකිය. උදාහරණයක් ලෙස, "12.6%" කෙලින්ම "12.6%" බවට පරිවර්තනය වේ; "මිලියන 3.58" ස්වයංක්‍රීයව "මිලියන 358" බවට පරිවර්තනය වේ. මූල්‍ය හා දත්ත ආශ්‍රිත අවස්ථා වලදී තවදුරටත් අතින් සංස්කරණය කිරීම අවශ්‍ය නොවේ.
සිව්වන වටයේ අත්දැකීම්: සුවිශේෂී වචන මාලාව හඳුනා ගැනීම වැඩි දියුණු කිරීම සඳහා උණුසුම් වචන කුසලතා.
ඇත්ත වශයෙන්ම, එය පරිපූර්ණ නොවේ. එහි නිකේතන නිසි නාම පද හඳුනාගැනීම තවමත් තරමක් අඩුය. උදාහරණයක් ලෙස, මම "ඩු ජියා" යැයි පැවසූ විට, එය එය "ඩු ජියා" ලෙස හඳුනා ගනී, එය කාරණය සම්පූර්ණයෙන්ම මග හරියි.
වාසනාවකට මෙන්, නිල ලියකියවිලි "උණුසුම් වචන කුසලතා" විශේෂාංගයක් සපයන අතර, පරිශීලකයින්ට අභිරුචි වචන අතින් එකතු කිරීමට ඉඩ සලසයි. මේවා එකතු කිරීමෙන් පසු, නිරවද්‍යතා අනුපාතය සැලකිය යුතු ලෙස වැඩිදියුණු වේ. එය ප්‍රායෝගික නිවැරදි විසඳුමකි.
ප්‍රායෝගික පරීක්ෂණ සාරාංශය: විකල්පයක් ලෙස හඬ ආදානයෙන් ප්‍රාථමික විසඳුමට පැනීම
මෙම පරීක්ෂණයෙන් ලබා ගත හැකි ලොකුම දෙය නම්, Qianwen ආදාන ක්‍රමය "ශබ්දය පිටපත් කිරීම" පමණක් නොව, "ඔබට පැවසීමට අවශ්‍ය දේ තේරුම් ගැනීම" ය.
- පිරවුම් වචන ස්වයංක්‍රීයව ඉවත් කරන්න, අතින් මකාදැමීම සහ සංස්කරණය කිරීමට සමුදෙන්න.
- ලිපිනය වෙනස් කිරීම බාධාවකින් තොරව සිදු විය, සැබෑ පුද්ගලයෙකු සමඟ සංවාදයක් මෙන් ස්වාභාවිකය.
- කතා කරන වචන කෙලින්ම ඊමේල් බවට පරිවර්තනය වන අතර, කෙටුම්පත් තත්පර දහයකින් ජනනය වේ.
මෙම හැකියාවන් තුනෙහි සංයෝජනය "විකල්ප" විසඳුමක සිට සැබෑ "ප්‍රාථමික විසඳුමක්" බවට හඬ ආදානය පරිවර්තනය කර ඇත.
එහි වටිනාකම පවතින්නේ "තාක්ෂණය විශ්මයජනකයි" කියා මිනිසුන්ට සිතීමට සැලැස්වීම තුළ නොව, "එය ඇත්තෙන්ම හොඳින් ක්‍රියාත්මක වේ" යැයි මිනිසුන්ට සිතීමට සැලැස්වීම තුළය. AI ආදාන ක්‍රමයක් කෙසේ විය යුතුද යන්න එයයි.
නිගමනයක් ලෙස, හඬ ආදානයේ අනාගතය පැමිණ තිබේ; සැබෑ බුද්ධිය පවතින්නේ එය භාවිතා කිරීම පහසු කිරීම තුළ ය.
තොරතුරු අධික ලෙස පැටවෙන මෙම යුගයේ, කාර්යක්ෂමතාව ඵලදායිතාවයට සමාන වේ. Alibaba හි CosyVoice ආදාන ක්‍රමය, එහි "සුමට" පරිශීලක අත්දැකීම සමඟින්, හඬ ආදානය තවදුරටත් උපක්‍රමයක් නොවන බවත්, අප වැඩ කරන ආකාරය සැබවින්ම පරිවර්තනය කළ හැකි මෙවලමක් බවත් පෙන්නුම් කරයි.
එය අපව වෙහෙසකර සංස්කරණයෙන් නිදහස් කරන අතර අන්තර්ගතය කෙරෙහිම අවධානය යොමු කිරීමට අපට ඉඩ සලසයි.
අනාගතය ලිවීම තවදුරටත් යතුරු පුවරුවක ඇඟිලි තට්ටු කිරීම ගැන නොව, සිතුවිලි සහ භාෂාවේ සෘජු ප්‍රවාහයක් ගැන වනු ඇත.
සැබෑ බුද්ධිය යනු තාක්ෂණය ප්‍රදර්ශනය කිරීම නොව, මිනිසුන්ට භාවිතා කිරීමට පහසු දේවල් නිර්මාණය කිරීමයි.
චෙන් වෙයිලියැංගේ බ්ලොග් අඩවියේ ( https://www.chenweiliang.com/ ) බෙදාගත් "Alibaba's CosyVoice AI ආදාන ක්‍රමය සැබෑ ලෝක පරීක්ෂණය: අත්-නිදහස්, ක්ෂණික කෙටුම්පත් කිරීම සහ සුමට බව අපේක්ෂාවන් ඉක්මවා යාම" යන ලිපිය ඔබට ප්‍රයෝජනවත් වනු ඇතැයි අපි බලාපොරොත්තු වෙමු.
මෙම ලිපියේ සබැඳිය බෙදා ගැනීමට නිදහස් වන්න: https://www.chenweiliang.com/cwl-34393.html