Zusammenfassung:
In den letzten Tagen muss sich jeder über die neue Funktion des WeChat-Graustufentests geärgert haben. Erstens wird im Spracheingabemodus der Rand von „Zum Sprechen gedrückt halten“ plötzlich dick und schwarz, aus Angst, dass man ihn nicht sehen kann. Dann erinnert Sie das Eingabefeld im Texteingabemodus tatsächlich daran:
Sie können gedrückt halten, um Text umzuwandeln.
Was bedeutet das?
In der Vergangenheit mussten Sie bei „Zum Sprechen gedrückt halten“ in den Sprachmodus wechseln, bevor Sie ihn verwenden konnten. Was Sie losließen, war die Originalstimme, und was auf der anderen Seite zu hören war, war Ihre verdammt charmante Blasenstimme (es sei denn, Sie haben sich aktiv dafür entschieden, sie in Text umzuwandeln).
Aber jetzt müssen Sie nur noch das Eingabefeld gedrückt halten, um zu sprechen, und die Stimme wird direkt in Text umgewandelt und beim Loslassen gesendet.
Auf den ersten Blick scheint es sehr praktisch zu sein. Sie können es direkt nach dem Aussprechen absenden. Die erste Reaktion vieler Internetnutzer ist jedoch, sich zu beschweren, und es ist zu einfach, versehentlich den sozialen Tod auszulösen.
Aber der schlechte Rezensent beschwert sich heute nicht darüber.
Ist Ihnen aufgefallen, dass es in dieser App zu viele Orte für die Spracheingabe gibt?
Sie müssen wissen, dass WeChat vor einiger Zeit einfach eine Mikrofontaste (+1) auf der rechten Seite des Eingabefelds platziert hat und Sie Sprache mit nur einem Klick in Text umwandeln können. Darüber hinaus drücken und halten Sie dieses Mal das Eingabefeld (+1), drücken und halten Sie, um im Sprachmodus zu sprechen (+1), sowie die Sprachtaste der Eingabemethode (+1) und das systemeigene Diktat (+1).
Wenn Sie jetzt WeChat öffnen, warten in der unteren Hälfte des Bildschirms fünf Sprachportale darauf, dass Sie sprechen.
Guigui, willst du wirklich den Subwoofer von Mr. Bad Review hören?
Es wäre in Ordnung, wenn diese Situation nur in WeChat auf dem Mobiltelefon auftreten würde. Das Problem ist, dass mittlerweile viele Apps so sind, vom Handy bis zum Computer.
Zum Beispiel hatte die Mac-Desktop-Version von WeChat zuvor dieselbe Aufforderung, die Sie aufforderte, Fn gedrückt zu halten, um Text per Spracheingabe einzugeben.
Im Eingabefeld auf dem Feishu-Desktop gibt es auch eine Zeile „Halten Sie Fn gedrückt, um zu sprechen“, um Sprache in Text umzuwandeln.
Brüder, ihr wisst wirklich nicht, wie wichtig Fn auf dem Mac ist, oder? Sind alle hochfrequenten Tasten im Eingabe- und Funktionsbereich durch Ihre Stimme belegt?
Keine Sorge, hierhin gehen wir.
Wenn Sie im Feishu-Dokument ein Raster in einer Tabelle öffnen, werden Sie feststellen, dass sich in der oberen rechten Ecke auch ein Speech-to-Text-Text befindet.
Sagen wir es so: Wenn Sie jetzt eine große Fabrik-App öffnen, sehen Sie eine Reihe von Mikrofonen, die Ihnen zuwinken: Onkel, komm zu mir...
Lassen Sie uns vernünftig sein und eine Spracheingabe vornehmen, niemand hat Einwände, Mehrfachauswahl ist immer eine gute Sache.
Aber die aktuelle Haltung ist offensichtlich mehr als nur „Ihnen mehr Optionen zu bieten“:
Einige verwenden Text, um Sie daran zu erinnern, andere platzieren den Eingang an der auffälligsten Stelle und andere machen den Knopf einfach sehr groß.
Es scheint, dass die großen Hersteller eine Vereinbarung getroffen haben, der Stimme Vorrang einzuräumen, aus Angst, dass wir in der App nicht sprechen werden.
Wenn Sie das sehen, fragen Sie sich bestimmt: Was ist die Magie dieser Spracheingabe?
Zuerst dachte der schlechte Rezensent, es sei recht einfach, einfach zu bedienen und günstig.
Die Eingabeeffizienz ist im Vergleich zu Pinyin hoch und die Kosten sind nicht hoch.
Laut dem Preis auf der offiziellen Website von Volcano Engine kostet die Streaming-Spracherkennung von Doubao weniger als 1 Yuan pro Stunde. Selbst wenn ein Vielnutzer jeden Tag 10 Minuten Rede verschickt, kostet das nur 60 Yuan pro Jahr. Dies ist immer noch der Einzelhandelspreis, und es wird für große Hersteller nur günstiger sein, ihre eigenen Modelle zu verwenden.
Aber das Problem ist:
Spracheingabe ist überhaupt nichts Neues. Siri ist seit mehr als zehn Jahren in der Lage, Diktate entgegenzunehmen, und die Sprachsuche auf Amap ist seit vielen Jahren verfügbar. Warum hat die Stimme jetzt so hohe Priorität?
Später habe ich darüber nachgedacht und festgestellt, dass der Schlüssel möglicherweise in der Eingabemethode liegt.
Ich habe bereits über die Eingabemethoden großer Hersteller geschrieben und gesagt, dass die Eingabemethode wie ein Wachmann ist, der die Tür aller Apps bewacht. Zuerst kennt es alle Ihre Bedürfnisse und dann die App.
Wenn Sie beispielsweise in der Doubao-App eine Frage stellen, hat Ihnen die WeChat-Eingabemethode möglicherweise die Antwort ins Gesicht geschrieben, bevor Sie auf „Senden“ geklickt haben.
Wenn Sie eine Nachricht in WeChat senden und diese mit der Beanbao-Eingabemethode eingeben, möchte WeChat diese Szene auf keinen Fall sehen.
Vor vielen Jahren übertraf die Eingabemethode von Sogou die von Baidu.
Die Benutzer sind alle auf Baidu und die Kandidatenwörter, die bei der Eingabe erscheinen, werden zur Suche direkt an Sogou weitergeleitet.
Apps muss sich also fragen: Gibt es eine Möglichkeit für Benutzer, direkt mit mir zu interagieren und die Sicherheit der Eingabemethode zu umgehen?
Sprache zu Text.
Tatsächlich gab es diese Technologie schon vor vielen Jahren, aber damals waren die Kosten hoch und die Genauigkeit gering.
Mit der Entwicklung groß angelegter Sprachmodelle in den letzten zwei Jahren sind Genauigkeit und Reaktionsgeschwindigkeit nahezu perfekt geworden.
Man kann sagen, dass die von KI unterstützte Voice-to-Text der App erstmals die Möglichkeit gibt, alleine zu arbeiten, ohne befürchten zu müssen, von der Eingabemethode abgefangen zu werden.
Aber das ist nur „Verteidigung“. Schauen wir noch etwas weiter: Die großen Hersteller sind tatsächlich in der Offensive und ergreifen bereits im Vorfeld den Zugang zur nächsten Interaktionsgeneration.
Wenn Sie heute zum Sprechen gedrückt halten, hilft Ihnen die App dabei, Ihre Wörter in Wörter umzuwandeln. Wenn Sie morgen zum Sprechen gedrückt halten, bucht die App dann direkt einen Flug für Sie?
Es gibt bereits einige KI-native Apps, die dies können, aber auch Apps wie WeChat und Feishu wollen in diese Richtung gehen, also schulen sie Benutzer zunächst im Sprechen und dann darin, direkte Gespräche mit Agenten zu führen, um ihre Bedürfnisse zu erfüllen.
In der nächsten Generation von Apps müssen Sie den Mund öffnen und sprechen → Die KI erledigt die Arbeit direkt.
Aber dieser Prozess muss schrittweise erfolgen.
Die großen Apps müssen nun also ihr Bestes geben, um die Gewohnheit der Benutzer, in ihren eigenen Apps zu sprechen, zu fördern und zu fördern, und dann nach und nach verschiedene KI-Zusammenfassungs- und Suchfunktionen in Sprachbefehle integrieren.
Aus diesem Grund drängen alle auf die Spracherkennung.
Aber das ist nicht das Ende.
Dieses Phänomen wird sich in Zukunft auch auf die meisten Apps auf dem Markt ausweiten.
Denn im Zeitalter der inkrementellen Entwicklung konkurriert jeder darum, wer schneller laufen kann, während im Zeitalter der Aktien jeder darum konkurriert, wer härter zubeißen kann. Wenn der Kuchen nicht mehr größer wird, kann jede Familie nur noch das nehmen, was in ihrer eigenen Schüssel ist.
In dieser Situation kann jede Funktion, die mit KI kombiniert werden kann und Benutzer abhängig macht, solange das erste Unternehmen dies tut, wird das zweite Unternehmen folgen. Da die Benutzer abhängig sind, wird sich die Marktnachfrage ändern, und wenn Sie dies nicht tun, werden Ihnen Benutzer entzogen.
Glauben Sie mir nicht, kritisieren Sie sich einfach selbst. Ich bin ein lebendiges Beispiel für eine erfolgreiche Ausbildung in einem großen Unternehmen.
Als ich diese Spracheingaben zum ersten Mal sah, dachte ich mir: Ich tippe seit mehr als zehn Jahren und meine Handgeschwindigkeit war nicht langsam, warum sollte ich also mit meinem Telefon sprechen?
Nach mehrmaligem Ausprobieren habe ich festgestellt, dass die Erkennung wirklich schnell und genau erfolgt und eventuelle Unklarheiten automatisch korrigiert werden können.
Vor ein paar Monaten habe ich noch standardmäßig getippt und nur die Spracheingabe verwendet, weil ich zu faul dafür war...
Was nun?
Ich tippe nie, wenn ich meinen Mund öffnen kann. Selbst wenn ich im Büro sitze und ein Manuskript schreibe, möchte ich diktieren. Meine Finger tun nicht mehr weh und meine Eingabegeschwindigkeit ist schneller. Im Gegenteil, wenn ich gelegentlich wieder zur Eingabemethode wechsle, frage ich mich, warum das so anstrengend ist.
Natürlich gehen meine Abhängigkeiten von KI weit darüber hinaus.
Jetzt, wo ich einen langen Artikel sehe, habe ich nicht die Geduld, ihn von Anfang bis Ende zu lesen, also überlasse ich es einfach der KI, die wichtigsten Punkte zusammenzufassen. Wenn ich Nachrichten oder Videos auf Twitter verifizieren möchte, lässt @Grok es zu; Wenn ich normalerweise nach Informationen suche, lese ich einfach die KI-Zusammenfassung, und wenn es schwierig ist, überlasse ich es verschiedenen Agenten, das für mich zu regeln.
Als sie zum ersten Mal auftauchten, habe ich von diesen Funktionen nicht viel Notiz genommen, aber nachdem ich sie ein paar Mal erlebt hatte, konnte ich nicht ohne sie leben, ohne es überhaupt zu merken.
Wenn Sie und ich uns beide auf diese Weise auf KI verlassen, ändert sich die Marktnachfrage auf subtile Weise.
Nicht jeder wird in der Lage sein, eine App ohne KI-Sprache und KI-Zusammenfassung zu nutzen. Um sich dem Markt anzupassen, müssen App-Entwickler natürlich nachziehen, um diese Funktionen bereitzustellen.
Vielleicht wird die Eingabemethode bald nicht mehr notwendig sein.
Als wir anfingen, über dieses Thema zu sprechen, scherzte die Redaktion noch:
Wenn die Spracheingabe so weitergeht, können junge Menschen in Zukunft möglicherweise nicht einmal Pinyin tippen.
Das mag zunächst etwas beängstigend klingen, aber wenn der Tag kommt, ist es egal, wenn Sie kein Pinyin eingeben können? Jede Generation hat ihre eigenen Fähigkeiten. Die vorherige Generation dachte, wir könnten keine Glühbirnen reparieren oder Fünftaktmaschinen tippen, aber wir führten trotzdem ein ziemlich gutes Leben.
Eingabemethode war nie das Ziel, sie ist lediglich eine Möglichkeit, Menschen und Maschinen zu verbinden. Wenn eines Tages eine neue Straße bequemer wird, wird niemand die alte Straße vermissen.
Das Rad der Zeit dreht sich vorwärts und es gibt immer einige Fähigkeiten, die mit der Entwicklung der Art und Weise, wie die Gesellschaft funktioniert, langsam verschwinden werden.
Kommentare