Weź JEDNĄ ze swoich prawdziwych czynności (praca lub gospodarstwo domowe), w której Twój głos może pomóc. Opisz go i wybierz odpowiednią umiejętność AI głosowej. Zwróć JSON {"task":"...","capability":"...","why":"..."}, gdzie capability jest jednym z: conversation (rozmowa na żywo), dictation (dyktowanie), transcription (transkrypcja), synthesis (synteza mowy).
Głosowa sztuczna inteligencja może zrobić cztery różne rzeczy, a pomieszanie ich jest pierwszym błędem nowicjusza. Pierwsza to rozmowa na żywo: mówisz, asystent słyszy i odpowiada głosem niemal bez przerwy, możesz przerywać i wyjaśniać, jak przy osobie przez telefon. Drugi to dyktando: Twoja mowa zamienia się w tekst, mówisz zamiast pisać. Po trzecie, transkrypcja: długie nagranie (spotkanie, wykład) jest rozkładane na tekst i dzielone przez mówiącego. Po czwarte – synteza mowy: tekst jest wypowiadany naturalnym głosem z pożądaną intonacją. Mechanika jest prosta: wszędzie pośrodku znajduje się model, który przekłada dźwięk na znaczenie i odwrotnie. Profesjonalna sztuczka: nie zadawaj sobie pytania „jak korzystać z głosowej sztucznej inteligencji”, ale najpierw nazwij zadanie, a następnie wybierz dla niego umiejętność. Podyktuj list - dyktando; zrozumieć dwugodzinną rozmowę – transkrypcja plus podsumowanie. Wnikliwość: głos wygrywa tam, gdzie ręce są zajęte lub myśl jest dłuższa, niż wygodnie jest pisać. Częstym błędem jest próba doskonałego dyktowania za pierwszym razem; głos jest mocny jak przeciąg, który następnie jest czyszczony przez sztuczną inteligencję.