Mbinu ya Kuingiza AI ya Alibaba ya CosyVoice Jaribio la Ulimwengu Halisi: Kuingiza Bila Mikono, Matokeo ya Kuzungumza-kwa-Maandishi, Ulaini Unazidi Matarajio

Unataka kupata uhuru wa kweli bila kutumia mikono? Makala haya yanatoa jaribio la kina kulingana na Maswali 1000 ya Alibaba.AICosyVoice, mbinu ya kuingiza data, inakupa mwangaza wa uzoefu mzuri wa "kutengeneza rasimu mara tu unapozungumza".

kama wewe nivyombo vya habari vya kibinafsiIwe wewe ni mwandishi, mfanyakazi wa ofisi, au mtu anayetafuta tija ya hali ya juu, ukaguzi huu wa vipengele vya CosyVoice na mwongozo wa mtumiaji utakuambia ikiwa ni muhimu kweli na jinsi ya kuitumia ili kuongeza ufanisi wako mara mbili. Fungua teknolojia ya hivi karibuni ya uandishi wa maandishi kwa sauti unaotegemea AI sasa!

Watu wengi wamepitia "mitego ya kuingiza sauti" wanapoandika makala. Baada ya kuzungumza aya ndefu, skrini hujazwa na "um," "hiyo," na "hiyo ni kweli," na kufanya iwe vigumu kufuta. Haikuwa hadi mbinu ya kuingiza sauti ya Alibaba ya CosyVoice ilipokuja ndipo nilipogundua kuwa kuingiza sauti kunaweza kufanikisha "kuzungumza kwa uhuru na kuandika kwa uzuri."

Muhuri wa saa wa Video:

Raundi ya kwanza ya uzoefu: Rasimu safi inayozalishwa kwa mbofyo mmoja, maneno ya kujaza hupotea mara moja.

Jambo gumu zaidi katika uingizaji wa sauti wa kitamaduni ni matumizi mengi ya maneno ya kujaza. Unapoandika maelezo katika mkutano, unazungumza sana, lakini maandishi yanayotokana ni fujo.

Nilijaribu kutumia mbinu ya kuingiza ya Qianwen kusema sentensi:

"Um...kwamba...ripoti ya maendeleo ya mradi wiki ijayo, tafadhali andaa data mapema, na uhakikishe hakuna kinachokosekana."

Matokeo yaliyoonyeshwa kwenye skrini yalikuwa:

"Tafadhali andaa data yako mapema kwa ajili ya ripoti ya maendeleo ya mradi wa wiki ijayo, na hakikisha hakuna kinachokosekana."

Maneno yangu yote muhimu yalipotea mara moja, kana kwamba mtu alikuwa amefuta maandishi yangu. Cha kushangaza zaidi, yangeweza kuyapanga kiotomatiki katika orodha:

1. Wasilisha ripoti ya maendeleo ya mradi
2. Kamilisha suluhisho la mahitaji
3. Amua mpango wa uuzaji

Wakati huo, nilihisi kweli kwamba ilikuwa aina tofauti kabisa na sauti ya kawaida.

Raundi ya pili ya uzoefu: Mabadiliko ya maneno bila mshono, usimulizi wa maneno mara moja huwa barua pepe ya kawaida.

Nilijaribu kwa makusudi uwezo wake wa kurekebisha makosa:

"Mkutano wa kesho utafanyika katika chumba nambari mbili cha mkutano kwenye ghorofa ya tatu—hapana, hapana, tubadilishe hadi chumba nambari tatu cha mkutano kwenye ghorofa ya tatu."

Inatoka moja kwa moja: "Mkutano wa kesho utafanyika katika chumba cha mkutano nambari tatu kwenye ghorofa ya tatu."
Mabadiliko ya anwani hayakuacha alama yoyote, kama kawaida kama mazungumzo na mtu.

Kilichonishangaza zaidi ni kwamba inaweza kubadilisha moja kwa moja maneno yanayozungumzwa kuwa barua pepe. Nikasema:

"Tafadhali unaweza kuandika hili katika umbizo rasmi la barua pepe kwa ajili yangu? Ningependa kupanga mkutano na Bw. Zhang saa 9 mchana siku ya Alhamisi kuhusu mpango wa promosheni ya chapa ya robo ya tatu. Ikiwa ni vigumu kwake, tunaweza kufanya mipango."

Sekunde chache baadaye, barua pepe kamili ilitolewa:

Mada: Mwaliko wa Kuwasiliana Kuhusu "Mpango wa Kukuza Chapa wa Q3"

Bw. Zhang, habari:

Ili kuendeleza mpango huu vyema, ningependa kujadili mambo machache muhimu nawe ana kwa ana. Je, saa 3:00 PM Alhamisi hii itakuwa wakati unaofaa kwako? Ikiwa sivyo, tafadhali toa muda unaofaa zaidi, nami nitaupanga.

Asante!
Idara ya Masoko Xiao Li

Hapo awali, kuandika barua pepe kama hizo kulichukua angalau dakika tatu hadi tano, lakini sasa inachukua sekunde kumi tu, uboreshaji mkubwa wa ufanisi.

Raundi ya tatu ya majaribio: Utambuzi wa lahaja ulishughulikiwa kikamilifu, na ubadilishaji wa umbizo la nambari ulikuwa otomatiki.

Changamoto nyingine kubwa kuhusu uingizaji sauti ni lahaja. Hata hivyo, CosyVoice hushughulikia hili kwa urahisi.

Rafiki yangu kutoka Shanghai alisema, "Hali ya hewa ni nzuri sana leo, twende Bund kwa matembezi."
Ilitafsiriwa kama: "Hali ya hewa ni nzuri sana leo, twende Bund."

Inaweza kuelewa sio tu lugha ya Shanghai, bali pia lugha ya Cantonese na Sichuanese. Kwa wataalamu wanaohitaji kuwasiliana katika maeneo mbalimbali, kipengele hiki ni wokovu wa maisha.

Zaidi ya hayo, inaweza kutambua kiotomatiki miundo ya nambari. Kwa mfano, "12.6%" hubadilishwa moja kwa moja kuwa "12.6%"; "milioni 3.58" hubadilishwa kiotomatiki kuwa "milioni 358". Hakuna uhariri zaidi wa mikono unaohitajika katika hali za kifedha na zinazohusiana na data.

Raundi ya nne ya uzoefu: Ujuzi wa maneno ya moto ili kuboresha utambuzi wa msamiati maalum

Bila shaka, si kamili. Utambuzi wake wa nomino maalum bado unakosekana. Kwa mfano, ninaposema "du jia," hutambua kama "du jia," jambo ambalo halieleweki kabisa.

Kwa bahati nzuri, hati rasmi hutoa kipengele cha "Ujuzi wa Maneno Mazuri", kinachowaruhusu watumiaji kuongeza maneno maalum kwa mikono. Baada ya kuongeza haya, kiwango cha usahihi kinaboreka kwa kiasi kikubwa. Ni suluhisho la vitendo la kurekebisha.

Muhtasari wa Jaribio la Vitendo: Kuruka kutoka kwa Ingizo la Sauti kama Chaguo la Suluhisho Kuu

Jambo kubwa zaidi kutoka kwa jaribio ni kwamba Mbinu ya Kuingiza ya Qianwen hainukuu tu sauti, bali "inaelewa unachotaka kusema."

• Ondoa kiotomatiki maneno ya kujaza, sema kwaheri kufuta na kuhariri mwenyewe.
• Mabadiliko ya anwani yalikuwa rahisi, ya kawaida kama mazungumzo na mtu halisi.
• Maneno yanayotamkwa hubadilishwa moja kwa moja kuwa barua pepe, na rasimu hutolewa ndani ya sekunde kumi.

Mchanganyiko wa uwezo huu tatu umebadilisha uingizaji wa sauti kutoka suluhisho la "hiari" hadi "suluhisho kuu" la kweli.

Thamani yake haiko katika kuwafanya watu wafikirie "teknolojia ni ya ajabu," bali katika kuwafanya watu wafikirie "inafanya kazi vizuri sana." Hivyo ndivyo mbinu ya kuingiza data ya akili bandia (AI) inavyopaswa kuwa.

Kwa kumalizia, mustakabali wa uingizaji wa sauti umefika; akili ya kweli iko katika kuifanya iwe rahisi kutumia.

Katika enzi hii ya kupakia taarifa kupita kiasi, ufanisi ni sawa na tija. Mbinu ya kuingiza data ya Alibaba ya CosyVoice, pamoja na uzoefu wake "laini" wa mtumiaji, inaonyesha kwamba kuingiza data kwa sauti si mbinu tena, bali ni zana ambayo inaweza kubadilisha kweli jinsi tunavyofanya kazi.

Inatuweka huru kutokana na uhariri unaochosha na inaturuhusu kuzingatia maudhui yenyewe.

Uandishi wa wakati ujao hautakuwa tena kuhusu kugonga vidole kwenye kibodi, bali kuhusu mtiririko wa moja kwa moja wa mawazo na lugha.

Akili ya kweli si kuhusu kuonyesha teknolojia, bali ni kuhusu kurahisisha mambo kwa watu kuyatumia.