Test metódy vstupu s umelou inteligenciou CosyVoice od spoločnosti Alibaba v reálnom svete: Vstup bez použitia rúk, prevod reči na text a plynulý chod ďaleko prekonali očakávania

Chcete zažiť skutočnú slobodu hands-free? Tento článok poskytuje podrobný test založený na 1000 otázkach od Alibaby.AICosyVoice, metóda vstupu, vám ponúka pohľad na dokonale plynulý zážitok z „generovania konceptov hneď po prehovorení“.

či siself-mediaČi už ste spisovateľ, kancelársky pracovník alebo niekto, kto hľadá vysokú produktivitu, táto recenzia funkcie CosyVoice a používateľská príručka vám povie, či je skutočne užitočná a ako ju použiť na zdvojnásobenie vašej efektivity. Odomknite najnovšiu technológiu písania textu pomocou hlasu s umelou inteligenciou ešte dnes!

Mnoho ľudí zažilo „úskalia hlasového vstupu“ pri písaní článkov. Po vyslovení dlhého odseku sa obrazovka zaplní „hm“, „to“ a „to je pravda“, čo sťažuje jeho mazanie. Až keď sa objavila metóda vstupu CosyVoice od Alibaby, uvedomil som si, že hlasový vstup dokáže skutočne dosiahnuť „voľné rozprávanie a krásne písanie“.

Časová pečiatka videa:

Prvé kolo skúseností: Čistý koncept vygenerovaný jedným kliknutím, výplňové slová okamžite zmiznú.

Najväčším problémom tradičného hlasového vstupu je nadmerné používanie výplňových slov. Pri robení si poznámok na schôdzi veľa rozprávate, ale výsledný text je chaos.

Skúsil som použiť vstupnú metódu Qianwen na vyslovenie vety:

„Hm...že...správa o priebehu projektu bude budúci týždeň, prosím, pripravte si údaje vopred a uistite sa, že nič nezmeškáte.“

Výsledok zobrazený na obrazovke bol:

„Prosím, pripravte si vopred údaje pre správu o priebehu projektu na budúci týždeň a uistite sa, že nič neprehliadnete.“

Všetky moje hlášky okamžite zmizli, akoby mi niekto vymazal rukopis. Ešte prekvapujúcejšie bolo, že ich dokázal automaticky usporiadať do zoznamu:

1. Odoslať správu o priebehu projektu
2. Dokončite riešenie požiadaviek
3. Určte marketingový plán

V tej chvíli som mal naozaj pocit, že ide o úplne iný druh ovládania ako tradičný hlasový vstup.

Druhé kolo skúseností: Bezproblémová zmena slov, slovné rozprávanie sa okamžite stáva štandardným e-mailom.

Zámerne som otestoval jeho schopnosti korekcie chýb:

„Zajtrajšie stretnutie bude v zasadacej miestnosti číslo dva na treťom poschodí – nie, nie, premiestnime to na zasadaciu miestnosť číslo tri na treťom poschodí.“

Priamo vypíše: „Zajtrajšie stretnutie sa bude konať v zasadacej miestnosti číslo tri na treťom poschodí.“
Zmena adresy nezanechala žiadnu stopu, bola taká prirodzená ako rozhovor s niekým iným.

Ešte viac ma prekvapilo, že dokázal priamo previesť hovorené slová na e-maily. Povedal som:

„Mohli by ste mi to, prosím, napísať do formálneho e-mailu? Rád by som si naplánoval stretnutie s pánom Zhangom vo štvrtok o 3:3 ohľadom plánu propagácie značky na tretí štvrťrok. Ak mu to nevyhovuje, môžeme sa dohodnúť.“

O pár sekúnd neskôr sa vygeneroval kompletný e-mail:

Predmet: Výzva na komunikáciu ohľadom „Plánu propagácie značky za tretí štvrťrok“

Pán Zhang, dobrý deň:

Aby som tento plán lepšie prepracoval/a, rád/a by som s vami osobne prediskutoval/a niekoľko kľúčových bodov. Vyhovoval by vám tento štvrtok o 3:00? Ak nie, poskytnite mi, prosím, vhodnejší časový úsek a ja to zariadim.

Ďakujem!
Marketingové oddelenie Xiao Li

V minulosti trvalo písanie takýchto e-mailov najmenej tri až päť minút, ale teraz to trvá len desať sekúnd, čo predstavuje obrovské zlepšenie efektivity.

Tretie kolo testovania: Rozpoznávanie dialektov bolo plne zvládnuté a konverzia formátu čísel bola automatická.

Ďalšou veľkou výzvou hlasového vstupu sú dialekty. CosyVoice si s tým však hravo poradí.

Môj kamarát zo Šanghaja povedal: „Dnes je také pekné počasie, poďme sa prejsť na nábrežie.“
Prepísali to takto: „Dnes je také pekné počasie, poďme na Bund.“

Rozumie nielen šanghajčine, ale aj kantončine a sečuánčine. Pre profesionálov, ktorí potrebujú komunikovať naprieč regiónmi, je táto funkcia záchranou.

Ešte lepšie je, že dokáže automaticky rozpoznávať formáty čísel. Napríklad „12.6 %“ sa priamo prevedie na „12,6 %“; „3.58 miliónov“ sa automaticky prevedie na „358 miliónov“. Vo finančných a dátových scenároch už nie je potrebná žiadna manuálna úprava.

Štvrté kolo skúseností: Zručnosti s kľúčovými slovami na zlepšenie rozpoznávania špecifickej slovnej zásoby

Samozrejme, nie je dokonalý. Jeho rozpoznávanie špecifických vlastných mien stále trochu chýba. Napríklad, keď poviem „du jia“, rozpozná to ako „du jia“, čo úplne míňa pointu.

Našťastie oficiálna dokumentácia poskytuje funkciu „Hot Word Skill“, ktorá umožňuje používateľom manuálne pridávať vlastné slová. Po ich pridaní sa miera presnosti výrazne zlepší. Je to praktické riešenie.

Zhrnutie praktického testu: Prechod od hlasového vstupu ako možnosti k primárnemu riešeniu

Najväčším poznatkom z testu je, že metóda vstupu Qianwen nielen „prepisuje zvuk“, ale aj „rozumie tomu, čo chcete povedať“.

• Automaticky odstraňujte výplňové slová, rozlúčte sa s manuálnym mazaním a úpravami.
• Zmena adresy bola bezproblémová, rovnako prirodzená ako rozhovor so skutočnou osobou.
• Hovorené slová sa priamo prevedú na e-maily a koncepty sa vygenerujú za desať sekúnd.

Kombinácia týchto troch funkcií premenila hlasový vstup z „voliteľného“ riešenia na skutočne „primárne riešenie“.

Jeho hodnota nespočíva v tom, že si ľudia myslia, že „táto technológia je úžasná“, ale v tom, že si ľudia myslia, že „funguje to naozaj dobre“. Taká by mala byť vstupná metóda umelej inteligencie.

Záverom možno povedať, že budúcnosť hlasového vstupu je tu; skutočná inteligencia spočíva v tom, že sa jednoducho používa.

V tejto dobe informačného zahltenia sa efektivita rovná produktivite. Metóda hlasového vstupu CosyVoice od spoločnosti Alibaba so svojím „plynulým“ používateľským zážitkom dokazuje, že hlasový vstup už nie je len trikom, ale nástrojom, ktorý dokáže skutočne zmeniť spôsob, akým pracujeme.

Oslobodzuje nás od zdĺhavých úprav a umožňuje nám sústrediť sa na samotný obsah.

Písanie budúcnosti už nebude o ťukaní prstov do klávesnice, ale o priamom toku myšlienok a jazyka.

Skutočná inteligencia nespočíva v predvádzaní technológií, ale v tom, aby sa veci ľuďom ľahko používali.