Resumen:
En los últimos días, todo el mundo debe haber estado molesto por la nueva función de prueba en escala de grises de WeChat. Primero, en el modo de entrada de voz, el borde de "mantener presionado para hablar" de repente se vuelve grueso y negro, por temor a que no puedas verlo. Luego, en el modo de entrada de texto, el cuadro de entrada realmente le recuerda:
Puede mantener presionado para convertir texto.
¿Qué significa esto?
En el pasado, "Mantener presionado para hablar" requería que cambiara al modo de voz antes de poder usarlo. Lo que soltaste fue la voz original, y lo que se escuchó en el otro lado fue tu maldita y encantadora voz de burbuja (a menos que hayas elegido activamente convertirla en texto).
Pero ahora, solo necesitas mantener presionado el cuadro de entrada para hablar, y la voz se convertirá directamente en texto y se enviará cuando lo sueltes.
A primera vista, parece muy conveniente. Puedes enviarlo directamente después de decirlo. Sin embargo, la primera reacción de muchos internautas es quejarse, y es muy fácil desencadenar accidentalmente la muerte social.
Pero el mal crítico no se queja de esto hoy.
¿Has notado que hay demasiados lugares para la entrada de voz en esta aplicación?
Debes saber que hace algún tiempo, WeChat simplemente colocó un botón de micrófono (+1) en el lado derecho del cuadro de entrada y puedes convertir voz en texto con solo un clic. Además, esta vez mantenga presionado el cuadro de entrada (+1), mantenga presionado para hablar en modo de voz (+1), así como la tecla de voz del método de entrada (+1), y el dictado propio del sistema (+1).
Ahora, cuando abres WeChat, hay 5 portales de voz en la mitad inferior de la pantalla esperando que hables.
Guigui, ¿realmente quieres escuchar el subwoofer de Mr. Bad Review?
Estaría bien si esta situación solo apareciera en WeChat en el teléfono móvil. El problema es que muchas apps son así ahora, desde el móvil hasta el ordenador.
Por ejemplo, la versión de escritorio de WeChat para Mac tenía el mismo mensaje antes, indicándole que mantenga presionada la tecla Fn para ingresar texto por voz.
En el cuadro de entrada del escritorio de Feishu, también hay una línea "Mantenga presionada la tecla Fn para hablar" para convertir voz en texto.
Hermanos, realmente no sabéis lo importante que es Fn en Mac, ¿verdad? ¿Están todas las teclas de alta frecuencia en el método de entrada y el área funcional ocupadas por su voz?
No te preocupes, aquí es hacia donde vamos.
En el documento Feishu, si abre una cuadrícula en una tabla, encontrará que también hay un texto de voz a texto en la esquina superior derecha.
Digámoslo de esta manera, si abres cualquier aplicación de fábrica importante ahora, verás un montón de micrófonos saludándote: Tío, ven a mí...
Seamos razonables y hagamos una entrada de voz, nadie tiene objeciones, las opciones múltiples siempre son algo bueno.
Pero la postura actual es obviamente más que "darle más opciones":
Algunos usan texto para recordarle, algunos colocan la entrada en el lugar más visible y otros simplemente hacen que el botón sea muy grande.
Parece que los grandes fabricantes han llegado a un acuerdo para priorizar la voz, por miedo a que no hablemos en la aplicación.
Al ver esto, debes sentir curiosidad por saber por qué, ¿cuál es la magia de esta entrada de voz?
Al principio, el mal crítico pensó que era bastante simple, fácil de usar y barato.
La eficiencia de entrada es alta en comparación con Pinyin y el costo no es alto.
Según el precio en el sitio web oficial de Volcano Engine, el reconocimiento de voz en streaming de Doubao cuesta menos de 1 yuan por hora. Incluso si un usuario frecuente envía 10 minutos de discurso cada día, sólo cuesta 60 yuanes al año. Este sigue siendo el precio de venta al público y sólo será más barato para los principales fabricantes utilizar sus propios modelos.
Pero el problema es:
La entrada de voz no es nada nueva. Siri pudo tomar dictados hace más de diez años y la búsqueda por voz en Amap está disponible desde hace muchos años. ¿Por qué la prioridad de la voz es tan alta ahora?
Más tarde, lo pensé y me di cuenta de que la clave puede estar en el método de entrada.
He escrito antes sobre los métodos de entrada de los principales fabricantes, diciendo que el método de entrada es como un guardia de seguridad que vigila la puerta de todas las aplicaciones. Primero conoce todas sus necesidades y luego la aplicación.
Por ejemplo, si haces una pregunta en la aplicación Doubao, es posible que el método de entrada de WeChat te haya arrojado la respuesta a la cara antes de que hagas clic en enviar.
De manera similar, si envía un mensaje en WeChat y escribe usando el método de entrada Beanbao, WeChat definitivamente no quiere ver esta escena.
Hace muchos años, el método de entrada Sogou superó a Baidu.
Todos los usuarios están en Baidu y las palabras candidatas que aparecen al escribir se llevan directamente a Sogou para su búsqueda.
Entonces, Apps debe estar pensando: ¿Existe alguna manera de que los usuarios interactúen directamente conmigo y eviten la seguridad del método de entrada?
Voz a texto.
De hecho, esta tecnología existía hace muchos años, pero en ese momento el costo era alto y la precisión baja.
Con el desarrollo de modelos de voz a gran escala en los últimos dos años, su precisión y velocidad de respuesta se han vuelto casi perfectas.
Se puede decir que la conversión de voz a texto respaldada por IA le da a la aplicación la oportunidad de trabajar sola por primera vez sin temor a ser interceptada por el método de entrada.
Pero esto es sólo "defensa". Miremos un poco más allá: los grandes fabricantes están en realidad a la ofensiva, aprovechando de antemano la entrada a la próxima generación de interacciones.
Hoy, si mantienes presionado para hablar, la aplicación te ayudará a convertir tus palabras en palabras; Mañana, si mantienes presionado para hablar, ¿la aplicación te reservará un vuelo directamente?
Ya existen algunas aplicaciones nativas de IA que pueden hacer esto, pero aplicaciones como WeChat y Feishu también quieren ir en esta dirección, por lo que primero capacitan a los usuarios para hablar y luego capacitan a los usuarios para que tengan conversaciones directas con los agentes para satisfacer sus necesidades.
En la próxima generación de aplicaciones, debes abrir la boca y hablar → La IA hará el trabajo directamente.
Pero este proceso debe ser gradual.
Por lo tanto, ahora las principales aplicaciones deben hacer todo lo posible para guiar y cultivar el hábito de los usuarios de hablar en sus propias aplicaciones, y luego integrar gradualmente varias funciones de búsqueda y resumen de IA en los comandos de voz.
Es por eso que todo el mundo está impulsando el reconocimiento de voz.
Pero este no es el final.
Este fenómeno también se extenderá a la mayoría de las aplicaciones del mercado en el futuro.
Porque en la era incremental, todos compiten por quién puede correr más rápido, mientras que en la era del stock, todos compiten por quién puede morder más fuerte. Cuando el pastel ya no crece, cada familia sólo puede coger lo que hay en su propio plato.
En esta situación, cualquier función que pueda combinarse con la IA y hacer que los usuarios sean dependientes, siempre que la primera empresa lo haga, la segunda seguirá. Debido a que los usuarios son dependientes, la demanda del mercado cambiará y, si no lo hace, perderá usuarios.
No me creas, solo critícate a ti mismo. Soy un ejemplo vivo de formación exitosa en una gran empresa.
Cuando vi por primera vez estas entradas de voz, pensé: He estado escribiendo durante más de diez años y la velocidad de mi mano no ha sido lenta, entonces, ¿por qué debería hablar con mi teléfono?
Después de intentarlo varias veces, descubrí que el reconocimiento es realmente rápido y preciso, y cualquier ambigüedad se puede corregir automáticamente.
Hace unos meses todavía escribía por defecto y solo usaba la voz porque me daba pereza hacerlo...
¿Y ahora qué?
Nunca escribo cuando puedo abrir la boca. Incluso cuando estoy sentado en la oficina escribiendo un manuscrito, quiero dictarlo. Ya no me duelen los dedos y mi velocidad de entrada es más rápida. Por el contrario, cuando de vez en cuando vuelvo al método de entrada, me pregunto por qué es tan agotador.
Por supuesto, mi dependencia de la IA va mucho más allá de esto.
Ahora que veo un artículo largo, no tengo paciencia para leerlo de principio a fin, así que dejo que la IA resuma los puntos clave. Si quiero verificar alguna noticia o vídeo en Twitter, @Grok lo dejará pasar; Cuando suelo buscar información, simplemente leo el resumen de IA y, si es difícil, dejo que varios agentes lo resuelvan por mí.
>
No presté mucha atención a estas funciones cuando aparecieron por primera vez, pero después de experimentarlas varias veces, no podía vivir sin ellas sin siquiera darme cuenta.
Cuando usted y yo confiamos en una IA como esta, la demanda del mercado se reescribe sutilmente.
No todo el mundo podrá utilizar una aplicación sin voz y resumen de IA. Para adaptarse al mercado, los desarrolladores de aplicaciones, naturalmente, tendrán que hacer lo mismo para ofrecer estas funciones.
Quizás pronto el método de entrada ya no sea una necesidad.
Cuando empezamos a hablar sobre este tema, el equipo editorial todavía bromeaba:
Si la entrada de voz continúa así, es posible que los jóvenes del futuro ni siquiera puedan escribir pinyin.
Esto puede sonar un poco aterrador al principio, pero cuando llegue el día, ¿no importará si no puedes escribir en pinyin? Cada generación tiene sus propias habilidades. La generación anterior pensaba que no podíamos reparar bombillas ni escribir mecanografía de cinco tiempos, pero aún así vivíamos una vida bastante buena.
El método de entrada nunca ha sido el objetivo, es solo una forma de conectar personas y máquinas. Cuando un día un camino nuevo se vuelva más conveniente, nadie extrañará el camino viejo.
La rueda de los tiempos avanza y siempre hay algunas habilidades que desaparecerán lentamente con la evolución de la forma en que opera la sociedad.
Comentarios