真实有效的 AI 方法论:01 先升级输入方式

公司践行 AI 这么久了,有些在工作过程中真实有效的理念,想做个分享,给各位参考下。如果有更好的思路,希望各位在评论区留言,整个 AI 进程是不停迭代的过程。

这次我先分享第一个点 ------ 用语音输入法代替打字。

这是可以作为基建的一点,这是和 AI 交互的方式。

现在的语音输入法已经不止通过音频识别文字,基于 LLM 能力赋予语音输入法更多可能性。

从讯飞输入法开始我就在用语音输入法,但当时遇到些同音字、公式、标点符号等情况,总会让我被迫回到手动修复的场景。

但是现在的语音输入法已经可以很好的解决这些问题,主要基于两方面能力的提升,1 是语音输入本身的准确性,2 是识别后可以基于上下文做修正,这里的上下文可以是自定义的提示词、和当前页面的截图。

分开说,首先是语音识别的精准性。

豆包输入法大家都用过吧,没用过可以用一下体验体验,前几天在 Mac 上也做了内测,但是我主要用的闪电说 App,直接用的豆包流式输入 2.0 的官方 Api。

现在的语音识别一大改进是轻语识别(还是轻声识别?),不需要像跟人说话那么大声,甚至不用振动声带,只靠气息发声,像说悄悄话那样,或者非常轻微的声带振动。大家可以自行用手机的试一下,绝对会被准确率震惊。

这样说一天,嗓子也不累,人也不难受,而且相互办公的时候,不会互相影响,我一般带个降噪耳机,就听不到。

我们用的 Mac 开发,本身的收音效果已经非常好了,但也配置了专属的麦克风,这样把麦克风调到嘴边,识别效果更好。

第二部分就是识别后的修正。

不管语音识别的效果多好,总会有些不如人意的地方,比如要临时说一个图中有的英文,大部分人是不知道怎么发音的,随便说一个,或者想去掉语音识别中的口语化额、啊、就是等等,或是想改变风格等等,这就是配合 LLM 发挥的实力。

列举几个我常用的功能。

用户词典:把个人常用,但在输入法里面不是那么常见的词组,比如各种技术组件的名字。

自动结构化:把一长段文字,整理为有逻辑的段落。

口语过滤:这个不用重复说明了。

加载屏幕识别:给 LLM 纠正的时候,把当前页面的截图也给一份。这种场景在临时遇到的人名、英文术语等识别很好。

以上就是我关于和 AI 交互方面的心得,语音输入比键盘效率得多,但不代表键盘会被淘汰,比如不方便说话的时候,以及是需要复制粘贴的场景,键盘依然更效率。最高效的方案是结合两者。

相关推荐
Maynor9965 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
AI前端工程狮10 小时前
我给 MCP 长任务加进度条,五步只显示了一步
javascript·人工智能·程序员
挖掘狂人16 小时前
AI 三分钟写完的代码,你凭什么敢直接上线?
人工智能·程序员·ai编程
codigger16 小时前
AI 三分钟写完的代码,你凭什么敢直接上线?
ai·程序员·编程·ai编程·#人工智能
SimonKing17 小时前
零 OCR 依赖!Firecrawl 这个 Rust 库把 Word / PPT / Excel 全变成 Markdown
java·后端·程序员
进击的丸子1 天前
1126B的Demo实操——虹软ArcFace SDK(RV1126BP ARM64 V5.0)交叉编译与运行指南
人工智能·程序员·代码规范
SimonKing2 天前
给Deepseek Harness装上插件市场,从此插件无忧
java·后端·程序员
得物技术2 天前
从研发经验到团队知识:Akashic知识工程实践|得物技术
数据库·程序员·架构
华洛2 天前
【揭秘】深度拆解 WorkBuddy 产品能力的实现逻辑
程序员·产品经理·产品
程序员cxuan2 天前
推荐 10 个 WorkBuddy 中的邪修用法
人工智能·后端·程序员