কিয়ানওয়েন পিসি সংস্করণে ভয়েস ইনপুট পদ্ধতি চালু হলো: কর্মজীবী ​​মানুষ অবশেষে নিজেদের কণ্ঠস্বর ব্যবহার করে কাজ করতে পারবেন।

ভাইব কোডিং জনপ্রিয় হওয়ার পর, আরও বেশি সংখ্যক মানুষ কিবোর্ডে টাইপ করার পরিবর্তে স্ক্রিনে কথা বলা বেছে নিতে শুরু করে এবং অনেক নেটিজেন এই উদ্দেশ্যে এআই ভয়েস কিবোর্ডও তৈরি করে।

এই বছরের মার্চ মাসে, অ্যানথ্রোপিক ক্লড কোডে একটি ভয়েস মোডও যুক্ত করেছে। টার্মিনালে কেবল `/voice` টাইপ করুন, কথা বলার জন্য স্পেসবার চেপে ধরে রাখুন এবং কাজটি সম্পন্ন করতে ছেড়ে দিন। এটা ভাবা কঠিন যে "কোড লেখার" মতো একটি ক্ষেত্র, যা মূলত কীবোর্ড ইনপুটের উপর নির্ভরশীল, সেটিও ভয়েস সাপোর্ট করা শুরু করেছে।

যেহেতু কোডাররা এখন মুখে মুখে কাজ করা শুরু করেছে, তাই আমার মতো একজন কর্মজীবী ​​মানুষের পক্ষে, যিনি প্রতিদিন আর্টিকেল, প্ল্যান, পিপিটি এবং স্প্রেডশিট লেখেন, কিবোর্ডে শব্দে শব্দে টাইপ করাটা আর কার্যকরী নয়। বিশেষ করে যখন ডেটা খোঁজার জন্য আমাকে তিনটি পেজের মধ্যে আসা-যাওয়া করতে হয়, তখন একটি প্রেজেন্টেশন পিপিটি বানানোর জন্য টেমপ্লেট খুঁজে পেতেই আমার তিন ঘণ্টা লেগে যায়, এবং মনোযোগ দিয়ে শুনে ও নোট নিয়েও আমি মিটিংয়ের অর্ধেক মিনিটই ভুলে যাই।

এর কারণ হলো, সবার মৌখিক ভাব প্রকাশের দক্ষতা ভালো থাকে না। যদিও কিছু এআই ইনপুট পদ্ধতি, যেমন আমাদের পূর্বে আলোচিত টাইপলেস, এই সমস্যার সমাধান করতে পারে, কিন্তু শুধুমাত্র এর বার্ষিক সাবস্ক্রিপশন ফি-ই ১,০০০ ইউয়ান।

কাজের জন্য ব্যবহৃত প্রকৃত কম্পিউটার প্ল্যাটফর্মে এখনও ডিপ এআই অফিস সক্ষমতাসহ কোনো ভয়েস ইনপুট ইন্টারফেস নেই। সৌভাগ্যবশত, কিয়ানওয়েন সম্প্রতি পিসি এবং ওয়েব উভয় সংস্করণের জন্য তাদের ভয়েস ইনপুট পদ্ধতি চালু করেছে, যার লক্ষ্য হলো "কণ্ঠস্বরের মাধ্যমে কাজ" করার সুযোগ তৈরি করা। শুধু তাই নয়, কিয়ানওয়েনের পিসি সংস্করণটি সম্পূর্ণ বিনামূল্যে—শুধু ভয়েস ইনপুটই বিনামূল্যে নয়, এর সমস্ত বিল্ট-ইন এআই অফিস সক্ষমতাও সম্পূর্ণরূপে ব্যবহারযোগ্য।

'ইনপুট মেথড' নামটি দেখে বিভ্রান্ত হবেন না।

প্রথমে, ‘কিয়ানওয়েন ভয়েস ইনপুট মেথড’ নামটি দেখে আমি অবচেতনভাবে ভেবেছিলাম যে এটি আরও ভালো শনাক্তকরণ নির্ভুলতা সম্পন্ন একটি এআই ইনপুট পদ্ধতি, কিন্তু পরে জানতে পারলাম যে বিষয়টি মোটেও তেমন নয়।

কিয়ানওয়েন ভয়েস ইনপুট মেথড ব্যবহার করা অত্যন্ত সহজ। দুটি শর্টকাটেই এই কাজটি হয়ে যায়: ভয়েস ইনপুটের জন্য বাটনটি চেপে ধরে রাখুন, এবং এআই-কে দিয়ে কাজটি করানোর জন্য ডাবল-ক্লিক করুন। উইন্ডোজে এটি হলো ডান Alt; ম্যাকে এটি হলো ডান Command। আপনি আপনার পছন্দ অনুযায়ী শর্টকাটটি কাস্টমাইজ করে নিতে পারেন।

আপনি Word-এ কোনো ডকুমেন্ট লিখুন, ব্রাউজারে তথ্য ব্রাউজ করুন, বা DingTalk-এ মেসেজের উত্তর দিন, একটি মাত্র কী চাপলেই ভয়েস এন্ট্রি পয়েন্টটি চালু হয়ে যায়। Qianwen অ্যাপে যাওয়ার বা অতিরিক্ত কোনো উইন্ডো খোলার কোনো প্রয়োজন নেই। যা চান জিজ্ঞাসা করুন, যা চান বলুন।

কিয়ানওয়েন ভয়েস ইনপুট মেথড প্রধানত দুটি ব্যবহারের পদ্ধতি প্রদান করে: ভয়েস ইনপুট শুরু করতে চেপে ধরে রাখুন, তারপর আপনার মনে যা আসে তা বলুন, এবং কিয়ানওয়েন স্বয়ংক্রিয়ভাবে অস্পষ্ট উচ্চারণ দূর করবে, কথার ভুল সংশোধন করবে এবং সুগঠিত অভিব্যক্তি তৈরি করবে। ডাবল-ক্লিক করলে ভয়েস কমান্ড সক্রিয় হয়, যেখানে আপনি এআই-কে বিভিন্ন কাজ বরাদ্দ করতে পারেন, যেমন কিছু খুঁজে বের করা, বার্তার উত্তর দেওয়া বা নথি তৈরি করা।

একেবারে শুরু থেকেই, এর উদ্দেশ্য শুধু এমন একটি ইনপুট পদ্ধতি ছিল না যা "আপনাকে দ্রুত টাইপ করতে সাহায্য করে"। আপনার মুখই নির্দেশ দেওয়ার জন্য দায়ী; এটি একটি কেন্দ্রীয় ইন্টারফেস যা বোঝা, অনুবাদ করা এবং সময়সূচী নির্ধারণের জন্য কাজ করে, যার ফলে এআই কাজটি করে আপনার কাছে হস্তান্তর করতে পারে।

টাইপ করার চেয়ে কথা বলা অনেক বেশি সুবিধাজনক।

২০২৬ সালে, ভয়েস ইনপুট পদ্ধতির জন্য আমার চাহিদা শুধু শনাক্তকরণের নির্ভুলতার চেয়ে অনেক বেশি হবে। শব্দ পরিষ্কারভাবে শুনতে ও লিখে নিতে পারাটা তো কেবল প্রাথমিক বিষয়; এর চেয়েও গুরুত্বপূর্ণ হলো, আমি কী প্রকাশ করতে চাই তা এটিকে বুঝতে হবে এবং তারপর তা গুছিয়ে বলতে সাহায্য করতে হবে।

উদাহরণস্বরূপ, যখন আমি আমার চিন্তাভাবনা মুখে প্রকাশ করি, তখন এটি আমার উদ্দেশ্যকে অক্ষুণ্ণ রাখতে পারে, আমার সহকর্মীদের জন্য সমস্ত অপ্রয়োজনীয় কথা ছেঁকে ফেলতে পারে এবং কথার ভুল সংশোধন করতে পারে। এর ফলে যা বেরিয়ে আসে তা হয় পরিচ্ছন্ন ও সংক্ষিপ্ত লেখা, যা সরাসরি পাঠানো যায়।

উদাহরণস্বরূপ, প্রজেক্ট বিলম্বের মতো সমস্যার সম্মুখীন হলে, আমি ছিয়ানওয়েনকে দিয়ে তথ্যগুলো একটি স্পষ্ট লিখিত বিবৃতিতে গুছিয়ে নিতে পারি, আর আমি শুধু একটি শর্টকাট কী চেপে ছিয়ানওয়েনকে মৌখিকভাবে মতামত জানাতে পারি।

এই প্রকল্পের বিলম্বের বিষয়ে, আমি… ওহ না, আমি পরিকল্পনার পরিবর্তনের কথা বলছিলাম। মূল পরিকল্পনা ছিল এই শুক্রবারের মধ্যে কাজটি জমা দেওয়ার, কিন্তু… উম… ক্লায়েন্ট শেষ মুহূর্তে তিনটি নতুন প্রয়োজনীয়তা যোগ করায়, আমরা অনুমান করেছি যে এতে আরও প্রায় দুই দিন সময় লাগবে, তাই… না, আমার চূড়ান্ত বক্তব্য হলো: পরিকল্পনাটি জমা দেওয়ার সময় এই শুক্রবার থেকে পরিবর্তন করে আগামী বুধবার করা হয়েছে। এর কারণ হলো, ক্লায়েন্ট তিনটি নতুন ফিচার যোগ করেছেন, যেগুলোর জন্য অতিরিক্ত প্রযুক্তিগত মূল্যায়নের প্রয়োজন। আমরা আগামী বুধবারের মধ্যে পরিকল্পনার প্রাথমিক সংস্করণ জমা দেওয়ার প্রতিশ্রুতি দিচ্ছি।

কী-টি ছেড়ে দেওয়ার পর ফলাফলটি দেখা গেল। আপনি দেখতে পাচ্ছেন যে এটি স্বয়ংক্রিয়ভাবে "আহ না," "আহ," এবং "কিন্তু"-এর মতো সমস্ত বিস্ময়সূচক শব্দ মুছে দিয়েছে, যা আমার অভিব্যক্তির মূল অংশকে স্পষ্টভাবে তুলে ধরেছে। সাধারণ ভয়েস ইনপুটের তুলনায়, যা কেবল শব্দে শব্দে রেকর্ড করতে পারে এবং ম্যানুয়াল সম্পাদনার প্রয়োজন হয়, কিয়ানওয়েন ভয়েস ইনপুট পদ্ধতিতে মূলত কোনো ম্যানুয়াল সমন্বয়ের প্রয়োজন হয় না এবং এটি সরাসরি পাঠানো যায়।

আরও পেশাদার এবং জটিল প্রকল্প যোগাযোগের ক্ষেত্রে, কিয়ানওয়েন ভয়েস ইনপুট পদ্ধতি আরও বেশি কার্যকর হয়ে ওঠে।

উদাহরণস্বরূপ, নিম্নলিখিত যোগাযোগের অনুরোধটিতে লক্ষ্য করুন যে, আমি দীর্ঘক্ষণ চেপে ধরে অনেক কিছু বলার পর শেষে যোগ করেছি: "ডেটা অংশটি প্রথমে রাখুন।"

এই প্রোডাক্ট রিডিজাইনের মূল উদ্দেশ্য হলো নতুন ব্যবহারকারীদের ধরে রাখার হার উন্নত করা। আমরা অনবোর্ডিং প্রক্রিয়ায় তিনটি নির্দেশনামূলক ধাপ যোগ করেছি, যার ফলে মূল পাঁচটি ধাপ কমে তিনটি হয়েছে, এবং প্রতিটি পর্যায়ে অগ্রগতি সূচক যুক্ত করেছি। এছাড়াও, আমরা দেখেছি যে অনেক ব্যবহারকারী দ্বিতীয় ধাপেই প্রক্রিয়াটি ছেড়ে চলে যাচ্ছিল, তাই আমরা দ্বিতীয় ধাপের ফর্মে প্রয়োজনীয় ফিল্ডের সংখ্যা আটটি থেকে কমিয়ে তিনটি করেছি। ডেটার দিক থেকে, রিডিজাইনের পর এক সপ্তাহের রিটেনশন রেট ৩৫% থেকে বেড়ে ৪৮% হয়েছে এবং পরের দিনের রিটেনশন রেট ১২ শতাংশ পয়েন্ট বৃদ্ধি পেয়েছে। তবে, একটি ঝুঁকি রয়েছে: সরলীকৃত ফর্মটি ব্যবহারকারীর কম তথ্য সংগ্রহ করে, যা পরবর্তী টার্গেটেড সুপারিশগুলোর কার্যকারিতাকে প্রভাবিত করতে পারে; এর জন্য ক্রমাগত পর্যবেক্ষণের প্রয়োজন। পরিশেষে, টিম কোলাবোরেশনের বিষয়ে বলতে গেলে, ডিজাইন বিভাগ দুই সপ্তাহের মধ্যে সলিউশনটির দুটি সংস্করণ তৈরি করেছে এবং ডেভেলপমেন্ট বিভাগ তিন দিনের মধ্যে লঞ্চ সম্পন্ন করেছে, যার ফলে সামগ্রিক গতি খুব দ্রুত ছিল। (ঠিক আছে, ডেটা সেকশনটি শুরুতে রাখুন, তারপর আমার জন্য এটিকে ছোট ছোট অংশে ভাগ করে দিন।)

এখানে ফলাফল আরও স্পষ্ট। কেবলমাত্র ছিয়ানওয়েনই ‘তথ্য অনুচ্ছেদটি প্রথমে রাখো’ এই নির্দেশটি বুঝতে পেরেছিল এবং স্বয়ংক্রিয়ভাবে অনুচ্ছেদগুলো পুনর্বিন্যাস করেছিল। যে কাজটি করতে মূলত মাউস ও কিবোর্ডের প্রয়োজন হতো, আমি শুধু কথা বলেই তা সম্পন্ন করেছি।

পরীক্ষা চলাকালীন আমি এমন একটি বিষয়ও আবিষ্কার করলাম যা আমাকে অবাক করেছে: কিয়ানওয়েন ভয়েস ইনপুট মেথড চীনা ও ইংরেজি মিশ্রিত কথ্য বিষয়বস্তু শনাক্ত করতে বিশেষভাবে পারদর্শী।

এই ফাংশনটির প্রধান কাজ হলো ব্যবহারকারীর লগইনের সময় টোকেন যাচাই করা। প্রথমে, টোকেনটির মেয়াদ শেষ হয়ে গেছে কিনা তা পরীক্ষা করার জন্য এটি `validateToken` মেথডকে কল করে। যদি মেয়াদ শেষ হয়ে গিয়ে থাকে, তবে এটি একটি 401 এরর রিটার্ন করে। এরপর, যদি টোকেনটি বৈধ হয়, তবে এটি ব্যবহারকারীর তথ্য সংগ্রহের জন্য `getUserInfo` ইন্টারফেসকে কল করে। সবশেষে, এটি `userId` এবং `role` সেশনে লিখে রাখে। উল্লেখ্য যে, এখানে একটি ব্যতিক্রমী পরিস্থিতি (edge ​​case) রয়েছে: যখন টোকেনটি একটি রিফ্রেশ টোকেন হয়, তখন একটি ভিন্ন লজিক শাখা কার্যকর হয়।

কিয়ানওয়েন শুধু সমস্ত ইংরেজি শব্দগুলোই সঠিকভাবে শনাক্ত করেনি, বরং আমার কথা অনুযায়ী সেগুলোকে স্বয়ংক্রিয়ভাবে পয়েন্ট আকারে প্রকাশ করে অত্যন্ত স্পষ্ট করে তুলেছে।

আমি কন্টেন্ট ক্রিয়েটরদের জন্য একটি বিশেষভাবে সহায়ক টিপসও শেয়ার করতে চাই: APPSO প্রতিদিন সকালে একটি বিষয় নির্বাচন সভা করে, যেখানে প্রত্যেকের কাছেই অনেক খণ্ডিত ধারণা থাকে—যেমন কোনো ট্রেন্ডিং ঘটনা, শিল্পক্ষেত্রের কোনো পর্যবেক্ষণ, কোনো ট্রেন্ডের পূর্বাভাস…

আগে আমার কিছু ধারণা ছিল বিক্ষিপ্ত ও অগোছালো। এখন আমি মিটিং চলাকালীন সরাসরি কিয়ানওয়েন ভয়েস ইনপুট পদ্ধতিটি সক্রিয় করতে পারি এবং এর মাধ্যমে এই ধারণাগুলোকে একটি রূপরেখায় সাজিয়ে নিতে পারি। উদাহরণস্বরূপ, মিটিং চলাকালীন বিষয় নির্বাচন নিয়ে সম্পাদকদের দেওয়া আমার দীর্ঘ মতামতটি নিচের ছবিতে দেখানো হলো:

ছেড়ে দেওয়ার পর, বিষয়টির একটি বিস্তারিত রূপরেখা ফুটে উঠল। সম্পাদক আমার মতামত সাবলীলভাবে গ্রহণ করে, সামান্য সম্প্রসারণের মাধ্যমে একটি গভীর বিশ্লেষণ লিখতে সক্ষম হয়েছিলেন। সকলের দেখার জন্য এখানে চূড়ান্ত নিবন্ধটি দেওয়া হলো: অ্যাপল নীরবে এন্ট্রি-লেভেল ম্যাক মিনি বন্ধ করে দিচ্ছে; এখন সবাইকে 'এআই ট্যাক্স' দেওয়ার যুগ এসে গেছে।

শুধুমাত্র ভয়েস ইনপুটের ক্ষেত্রে, কিয়ানওয়েন আমাকে সবচেয়ে বড় যে ধারণাটি দিয়েছে তা হলো, আপনি কতটা দ্রুত বা এলোমেলোভাবে কথা বলছেন তা সত্যিই কোনো ব্যাপার না, কারণ এআই আউটপুটের মান ঠিক করে দেবে।

সবকিছুকেই ভাইব করা যায়, এটা শুধু একটা শব্দের ব্যাপার।

ভয়েস ইনপুট কেবল প্রথম ধাপ; কিয়ানওয়েন ভয়েস ইনপুট পদ্ধতির বৃহত্তর সুবিধা হলো এটি আপনাকে বিভিন্ন কাজেও সাহায্য করতে পারে।

উপরে যেমন উল্লেখ করা হয়েছে, আমাকে প্রথমে বিষয়বস্তুর রূপরেখা গুছিয়ে নিতে হয়েছিল এবং তারপর লেখার কাজে পুরোপুরি ডুবে যেতে হয়েছিল। কিন্তু, যখনই কোনো ডেটা বা রিপোর্ট খোঁজার প্রয়োজন হতো, আমাকে অন্য ওয়েব পেজ এবং অ্যাপ্লিকেশনে যেতে হতো। এখানেই কিয়ানওয়েন ভয়েস ইনপুট মেথড স্বাভাবিকভাবেই কাজে আসে – এটি যেকোনো সফটওয়্যার বা ডেস্কটপে গ্লোবাল অ্যাক্টিভেশন সমর্থন করে, যার ফলে আমি উইন্ডো পরিবর্তন না করেই শুধুমাত্র আমার কণ্ঠস্বর দিয়ে সরাসরি তথ্য খুঁজে নিতে পারি।

উদাহরণস্বরূপ, যখন আমি OpenAI নিয়ে একটি প্রবন্ধ লিখছিলাম, তখন সেখানে একটি অংশ ছিল যেখানে আমাকে সর্বশেষ তহবিলের পরিমাণ এবং বিনিয়োগকারীদের উল্লেখ করতে হতো। আমি ভয়েস কমান্ড চালু করার জন্য ডাবল-ক্লিক করে বললাম, "OpenAI-এর সর্বশেষ তহবিলের পটভূমি খুঁজে দাও।"

এক-দুই সেকেন্ড ভাবার পর, ছিয়ানওয়েন মিনি-উইন্ডোটি ভেসে ওঠে এবং আমাকে বিস্তারিত ফলাফল পাঠিয়ে দেয়। আমি তথ্যসূত্রগুলো দেখে লেখা চালিয়ে যাই, ফলে আমার লেখার গভীর মনোযোগে কোনো ব্যাঘাত ঘটে না।

আমি এইমাত্র ছুটি কাটিয়ে ফিরলাম, আর আমার জন্য একগাদা কাজ অপেক্ষা করছে। আমাকে একটি সুস্পষ্ট সাপ্তাহিক প্রতিবেদন তৈরি করতে হবে, কিন্তু ধীরে ধীরে টাইপ করার মতো সময় আমার নেই, তাই আমি শুধু ডাবল-ক্লিক করে প্রয়োজনীয় বিষয়গুলো হুট করে বলে ফেললাম, যার মধ্যে অনেকখানি মৌখিক অভিব্যক্তি ছিল:

শোনো, এই সপ্তাহের কাজের অগ্রগতির একটা আপডেট দিই… প্রজেক্ট 'এ' এখন তৃতীয় পর্যায়ে আছে, কিন্তু সরবরাহকারীর কাছ থেকে ডেলিভারি পেতে প্রায় তিন দিন দেরি হয়েছে, তবে আমরা ওভারটাইম করে তা পুষিয়ে নিয়েছি… প্রজেক্ট 'বি' এখনও রিকোয়ারমেন্টস রিভিউ পর্যায়ে আছে, এবং প্রোডাক্ট প্রোটোটাইপটা একটু অস্পষ্ট। আমরা আগামী সোমবার সকাল ১০টায় অ্যালাইনমেন্টের জন্য সময় নির্ধারণ করেছি… আগামী সপ্তাহে আমাদের দুটো টেস্ট সার্ভারের জন্যও আবেদন করতে হবে… তুমি কি এই সবকিছুকে একটা পেশাদারী ভাব ও সুস্পষ্ট বিন্যাসে ওয়ার্ড ফরম্যাটে একটি সাপ্তাহিক রিপোর্টে গুছিয়ে দিতে পারবে?

এছাড়াও, কিয়ানওয়েন ভয়েস ইনপুট পদ্ধতিতে আরও একটি আকর্ষণীয় বৈশিষ্ট্য রয়েছে – যা আপনাকে মেসেজের উত্তর দিতে সাহায্য করে।

প্রতিদিন আমাকে প্রায়ই WeChat, DingTalk, Lark এবং অন্যান্য প্ল্যাটফর্মের বিভিন্ন প্রজেক্ট গ্রুপে নানা ধরনের মেসেজের উত্তর দিতে হয়। এটা অত্যন্ত ক্লান্তিকর, আর ঠিক তখনই আমি Qianwen (একটি জনপ্রিয় প্রশ্নোত্তর প্ল্যাটফর্ম)-এর ওপর দায়িত্ব ছেড়ে দিয়ে নিজের কথা বলার সুযোগ করে নিতে পারি।

উদাহরণস্বরূপ, যদি আমার সহকর্মী ছুটি শেষ হওয়ার আগেই আমাকে একটি প্রবন্ধ জমা দিতে তাগাদা দেন, আমি ডাবল-ক্লিক করে তাকে আমার জন্য একটি উচ্চমানের ইকিউ (EQ) সম্পন্ন উত্তর লিখে দিতে অনুরোধ করব।

ক্লায়েন্ট সম্পর্কিত পরিস্থিতি বা আরও আনুষ্ঠানিক পরিবেশে, আমি ডাবল-ক্লিক করে একটি উপযুক্ত প্রতিক্রিয়া তৈরি করতে পারি।

এর কারণ হলো কিয়ানওয়েন ভয়েস ইনপুট মেথড ‘দৃশ্য সচেতনতা’ সমর্থন করে। এটি স্বয়ংক্রিয়ভাবে শনাক্ত করে যে আপনি বর্তমানে কোন অ্যাপ্লিকেশন ব্যবহার করছেন এবং আপনার স্ক্রিনে কী বিষয়বস্তু দেখছেন, এবং সেই অনুযায়ী আউটপুট স্টাইল সামঞ্জস্য করে। আপনাকে এটিকে আর কোনো পটভূমির তথ্য জানানোর প্রয়োজন নেই; এটি নিজে থেকেই তা বুঝতে পারে।

আমি আগামী সপ্তাহে একটি ব্যবসায়িক সফরে যাচ্ছি, তাই আমি WeChat-এর আইকনটিতে ডাবল-ক্লিক করে চ্যাটের তথ্যগুলো গুছিয়ে একটি ভ্রমণ নির্দেশিকা নোট তৈরি করে নিয়েছি।

তারা আমাকে যে চূড়ান্ত ভ্রমণ নির্দেশিকাটি দিয়েছিল, তাতে শুধু ফ্লাইটের তথ্যই নয়, বরং একটি করণীয় কাজের তালিকা এবং স্থানীয় আবহাওয়া ও যানজটের অবস্থার ওপর ভিত্তি করে নির্দিষ্ট কিছু পরামর্শও অন্তর্ভুক্ত ছিল, যা ঘন ঘন ভ্রমণকারী একজন গণমাধ্যম কর্মীর জন্য খুবই সহায়ক ছিল।

সাপ্তাহিক মিটিং চলাকালীন আমি একটি কাজের কৌশল আবিষ্কার করলাম: মিটিংয়ের শুরুতে আমি ডাবল-ক্লিক করে কিয়ানওয়েন ভয়েস ইনপুট পদ্ধতিটি চালু করি, এবং শেষে বলি, "আমি এইমাত্র যা বললাম তা মিটিংয়ের কার্যবিবরণীতে গুছিয়ে দিতে আমাকে সাহায্য করুন।" এটি স্বয়ংক্রিয়ভাবে আমার জন্য সেগুলো গুছিয়ে দেয়।

এটি দ্রুত ও তাৎক্ষণিক মিটিংয়ের জন্য আদর্শ, কারণ এর জন্য আলাদা মিটিং রেকর্ডিং অ্যাপ খোলার প্রয়োজন হয় না; তাৎক্ষণিকভাবে নোট নিতে শুধু ডাবল-ক্লিক করুন।

শুধু কম্পিউটারের সাথে কথা বলুন, এআই নিজেই কাজটি করে দেবে।

ভুল বুঝবেন না, কম্পিউটারে "আমাকে তথ্য খুঁজে দিতে সাহায্য করো" বা "একটি ইমেল লেখো" বলে চিৎকার করাকে এই মুহূর্তে কৃত্রিম বুদ্ধিমত্তার একটি প্রাথমিক কার্যকলাপ হিসেবেই গণ্য করা হয়।

এবার কিয়ানওয়েন পিসি সংস্করণের আসল তুরুপের তাস হলো ভয়েস ইনপুটের সাথে পিপিটি তৈরি, এআই স্প্রেডশিট এবং ডকুমেন্ট প্রসেসিং-এর মতো ফাংশনগুলোর সমন্বয়। এটি একটি কার্যকরী ফাংশন যা কর্মজীবী ​​মানুষদের সত্যিই "প্রতিদিন এক ঘণ্টা আগে কাজ থেকে বের হতে" সাহায্য করতে পারে।

উদাহরণস্বরূপ, সবচেয়ে ক্লান্তিকর কাজ, পাওয়ারপয়েন্টের কথাই ধরুন। কোনো রিসোর্স লাইব্রেরি থেকে সাধারণ টেমপ্লেট জোড়া লাগানোর পরিবর্তে, কিয়ানওয়েন একটি বৃহৎ আকারের মডেলের কোডিং ক্ষমতা ব্যবহার করে গতিশীলভাবে জটিল লেআউট তৈরি করে। যদি আপনার মনে হয় কোনো কিছু নিখুঁত নয়, তবে সন্তুষ্ট না হওয়া পর্যন্ত তা সংশোধন করার জন্য একাধিকবার আলোচনা করুন।

এর সক্ষমতা পরীক্ষা করার জন্য, আমি প্রথমে এটিকে দিয়ে আমার জন্য একটি ভিডিও অ্যাকাউন্ট অপারেশন কোর্স পিপিটি তৈরি করাই। ভয়েস ট্রান্সমিট হওয়ার প্রায় সাথে সাথেই, এআই বিদ্যুতের গতিতে তথ্য গ্রহণ করতে শুরু করে: একবারে বিস্তারিত তথ্য পূরণ করে এবং লজিক মিলিয়ে নেয়।

সবচেয়ে আশ্চর্যজনক বিষয় হলো, ‘লেখা ও ছবির মিশ্রণ’ সম্পর্কে ছিয়ানওয়েনের ধারণাটি কোনো কঠোর প্রয়োগ নয়, বরং বিষয়বস্তুর গভীরতার সাথে সামঞ্জস্যপূর্ণ একটি স্বতন্ত্র বিন্যাস। পুরো পিপিটি-টি প্রায় উপস্থাপনের জন্য প্রস্তুত একটি খসড়া।

এটাই সব নয়। আপনি কিয়ানওয়েনকে একই সাথে বিভিন্ন ফরম্যাটের ৩৯টি পর্যন্ত রেফারেন্স ডকুমেন্টও দিতে পারেন, যা এটিকে স্বয়ংক্রিয়ভাবে লজিক সাজাতে এবং মূল বিষয়গুলো বের করতে সাহায্য করে, ফলে আপনাকে বারবার কাগজপত্র উল্টানোর ঝামেলা থেকে বাঁচায়। ছবির ক্ষেত্রে, এটি প্রসঙ্গের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে ছবি মেলাতে পারে, এবং যদি কোনো উপযুক্ত ছবি খুঁজে না পায়, তবে এটি তাৎক্ষণিকভাবে একটি র ইমেজও তৈরি করে দিতে পারে। এর জন্য আপনাকে ইন্টারফেস থেকে বেরিয়ে সার্চ ইঞ্জিন ব্যবহার করতে বা অফিস দিয়ে ডাউনলোড ও প্রসেস করার কোনো প্রয়োজনই হয় না।

স্প্রেডশিট প্রক্রিয়াকরণের ক্ষেত্রে, কিয়ানওয়েনের এক্সেল এজেন্ট একটি উচ্চ মান বজায় রাখে।

সেটা সাধারণ ফরম্যাটের কোনো চ্যাট স্ক্রিনশট হোক, হাতে লেখা নোট হোক, বা বড় কোনো সাধারণ টেক্সট ব্লক হোক, শুধু এটিকে দিন এবং এটি দ্রুত একটি স্ট্যান্ডার্ড এক্সেল স্প্রেডশিট তৈরি করে দেবে। পরবর্তীতে যদি আপনার প্রবৃদ্ধির হার গণনা করার বা ট্রেন্ড চার্ট আঁকার প্রয়োজন হয়, তবে আপনাকে আর ফাংশন ফর্মুলা লেখা নিয়ে চিন্তা করতে হবে না; শুধু স্বাভাবিক ভাষায় এটিকে কমান্ড দিন এবং এটি তা সামলে নেবে।

আমি একটি কিছুটা জটিল কাজ হাতে নিয়েছিলাম: সর্বশেষ ২০২৬ সালের গুয়াংজু জুনিয়র হাই স্কুলের ইংরেজি পাঠ্যপুস্তকের উপর ভিত্তি করে প্রতিটি বাক্য গঠনের ব্যাকরণগত কাঠামো, কালের বিভিন্ন রূপ এবং উদাহরণ বাক্য একটি এক্সেল স্প্রেডশিটে সংকলন করা। সহজে মনে রাখার জন্য স্প্রেডশিটটি একটি পৃষ্ঠায় আঁটার মতো করে বিন্যস্ত করতে হবে।

অতীতে, এই ধরনের কাজের জন্য হাতে করে তথ্য খোঁজা, ডেটা প্রবেশ করানো এবং ফরম্যাট ঠিক করার প্রয়োজন হতো, যাতে অন্তত আধ ঘণ্টা সময় লাগত। এখন, সংক্ষেপে বলতে গেলে, এটি কলামের নাম, সারির ব্যবধান এবং উদাহরণ বাক্যসহ সরাসরি টেবিলটি তৈরি করে দেয়, যার জন্য কার্যত কোনো ম্যানুয়াল সমন্বয়ের প্রয়োজন হয় না।

ডকুমেন্ট প্রসেসিংয়ের ক্ষেত্রে, ওয়ার্ড/পিডিএফ এজেন্ট মিশ্র টেক্সট ও ইমেজ ডেটা আপলোড করা সমর্থন করে এবং স্বয়ংক্রিয়ভাবে ফরম্যাট করে ডেলিভারির জন্য প্রস্তুত ফাইল আউটপুট করতে পারে।

আরও মজার ব্যাপার হলো যে, একটি দীর্ঘ ডকুমেন্ট পাঠানোর পর মূল বিষয়গুলো খুঁজে বের করার জন্য আপনাকে নিজে থেকে এর পাতা উল্টানোর দরকার নেই। শুধু জিজ্ঞাসা করুন, এবং এটি দ্রুত খুঁজে বের করে আপনাকে উত্তরটি দিয়ে দেবে। আপনি যদি কোনো পরিবর্তন করতে চান, তবে শুধু একটি বাক্য বললেই হবে, যা আপনাকে মূল ডকুমেন্টটি এক এক করে ম্যানুয়ালি পরিবর্তন করার ঝামেলা থেকে বাঁচায়।

আমি এটিকে একটি জটিল চুক্তির পিডিএফ পাঠিয়ে সরাসরি জিজ্ঞাসা করেছিলাম, "একচেটিয়া লাইসেন্সকৃত বিষয়বস্তুগুলো কী কী?" এটি পুরো লেখাটি শুধু পুনরাবৃত্তি না করে, লাইসেন্সের শর্তাবলী সুনির্দিষ্টভাবে উল্লেখ করেছিল এবং একচেটিয়া অধিকারের পরিধি, লাইসেন্সের মেয়াদ ও সীমাবদ্ধতাগুলো স্পষ্টভাবে তালিকাভুক্ত করেছিল।

বর্তমানে, এই ভয়েস কমান্ডকে এআই কোডিং এবং হাতে ওয়েব পেজ তৈরির মতো টাস্ক অ্যাসিস্ট্যান্ট ফাংশনগুলোর সাথেও যুক্ত করা যায়। এই ধারা অব্যাহত থাকলে, অফিসের কাজের ভবিষ্যৎ সম্ভবত সত্যিই হবে "শুধু কথা বলেই কাজ করিয়ে নেওয়া"।

যারা এআই-এর সাথে কথা বলেন, তারা কিবোর্ডে টাইপ করা লোকেদের চেয়ে আগে কাজ থেকে বের হবেন।

কিছুক্ষণ ছিয়ানওয়েন ভয়েস ইনপুট মেথড ব্যবহার করার পর একটা বিষয় মাথায় এলো।

গত কয়েক বছরে "এআই অফিসের কর্মদক্ষতা বাড়াচ্ছে" এই নিয়ে অনেক শোরগোল হয়েছে, কিন্তু বেশিরভাগ মানুষের অভিজ্ঞতা হলো: আমি অনেকক্ষণ ধরে এআই-এর সাথে কথা বলেছি, কিন্তু এটি আমাকে যা দিয়েছে তা একেবারেই ব্যবহারযোগ্য ছিল না। এরপর তাদের মনে হয়েছে যে এআই বিশেষ কিছু নয়।

সমস্যাটা কোথায়? সমস্যাটা হলো যোগাযোগের পদ্ধতিতে। যখন আপনি কিবোর্ড ব্যবহার করে এআই-এর সাথে কথা বলেন, তখন আপনার ৪০% শক্তি টেক্সট সাজাতে খরচ হয়ে যায়, ফলে আপনি আসলে কী চান তা বোঝার জন্য মাত্র ৬০% শক্তি অবশিষ্ট থাকে। আপনার দেওয়া নির্দেশাবলীতে তথ্যের ঘনত্ব কম এবং প্রাসঙ্গিকতাও দুর্বল থাকে, তাই স্বাভাবিকভাবেই এআই আবর্জনাপূর্ণ আউটপুট দেবে। ব্যাপারটা এমন নয় যে এআই অদক্ষ; বরং আপনি একে যা দিচ্ছেন, সেটাই অদক্ষ।

ভয়েস রিকগনিশন এই সমস্যার সমাধান করে। কথা বলার সময় আপনাকে শব্দের সীমা নির্ধারণ করতে হয় না; বিস্তারিত তথ্য স্বাভাবিকভাবেই উঠে আসে এবং প্রসঙ্গ স্বয়ংক্রিয়ভাবে প্রসারিত হয়। এটি কথ্য স্বাভাবিক ভাষার অনুরোধগুলোকে সূক্ষ্মভাবে সাজিয়ে নেয়, যা এআই-কে সেগুলোকে নির্ভুলভাবে সম্পাদন করতে সাহায্য করে।

নিউইয়র্ক-ভিত্তিক সেলস প্ল্যাটফর্ম ক্লে-এর শিক্ষা বিভাগের প্রধান যশ টেকরিওয়াল উল্লেখ করেছেন যে, টাইপ করার সময় যেখানে তিনি প্রতি মিনিটে মাত্র ১১০ থেকে ১২০ শব্দ টাইপ করতে পারেন, সেখানে ভয়েস ইনপুট ব্যবহার করে তিনি প্রতি মিনিটে ২০৫টি শব্দ টাইপ করতে পারেন। কিন্তু গতিই সবচেয়ে গুরুত্বপূর্ণ বিষয় নয়; তিনি দেখেছেন যে কথ্য নির্দেশাবলী আরও উন্নত মানের হয়।

সম্প্রতি এআই জগতে একটি বহুল প্রচলিত পরিভাষা হলো "হারনেস"। এর মোটামুটি অর্থ হলো: আপনার কাছে একটি ঘোড়া (এআই-এর সক্ষমতা) আছে, কিন্তু সেটিকে নিয়ন্ত্রণ করতে এবং আপনার ইচ্ছামতো দিকে চালনা করতে লাগামের প্রয়োজন হয়। হারনেস ছাড়া, সবচেয়ে শক্তিশালী ঘোড়াটিও শুধু গোল হয়ে ঘুরতে থাকবে।

কিয়ানওয়েনের পিসি সংস্করণে ব্যবহৃত ভয়েস ইনপুট পদ্ধতিটি হলো এই হারনেস।

এর এক প্রান্ত আপনার মুখের সাথে এবং অন্য প্রান্তটি এআই-এর অফিসের সমস্ত কাজের সাথে সংযুক্ত থাকে: পিপিটি, স্প্রেডশিট, ডকুমেন্ট, সার্চ, অ্যানালাইসিস এবং ফরম্যাট কনভার্সন। আপনি একটি বাক্য বলেন, এবং এটি আপনার উদ্দেশ্যকে এমন নির্দেশাবলীতে রূপান্তরিত করে যা এআই সম্পাদন করতে পারে, তারপর কাজটি করার জন্য সংশ্লিষ্ট এজেন্টকে পাঠিয়ে দেয়। এটি কোনো ইনপুট পদ্ধতি নয়; এটি হলো লাগাম। এটি সেই জোয়াল যা আপনি এআই-এর অফিসের কাজগুলো পরিচালনা করতে ব্যবহার করেন।

অন্যান্য "এআই-সক্ষম ইনপুট পদ্ধতি" কী সমাধান করে? সেগুলো এন্ট্রি পয়েন্ট সমস্যার সমাধান করে, আপনাকে এআই-এর অবস্থান খুঁজে পেতে সাহায্য করে। কিয়ানওয়েন আয়ত্ত করার সমস্যার সমাধান করে, আপনাকে এআই-এর সক্ষমতাগুলো নির্ভুলভাবে ব্যবহার করতে সাহায্য করে। একটি আপনাকে পথ দেখায়, অন্যটি লাগাম হাতে তুলে দেয় এবং আপনাকে আপনার পথে এগিয়ে নিয়ে যায়। এটাই পার্থক্য।

এজেন্ট যুগে, এআই চালনার জন্য কণ্ঠস্বরই সবচেয়ে স্বাভাবিক এবং কার্যকর উপায়। কিয়ানওয়েন ভয়েস ইনপুট মেথড হলো প্রথম পণ্য যা ডেস্কটপ ইন্টারফেসে এই প্রযুক্তিকে কাজে লাগিয়েছে, তাই আমি ভবিষ্যতে আরও বেশি টার্মিনালে এমন ভয়েস ইন্টারফেস দেখার জন্য উন্মুখ হয়ে আছি যা সত্যিকার অর্থে এআই-কে কাজে লাগাতে পারবে।

গত বছর এই সময়ে, আপনি যদি অফিসে হঠাৎ করে আপনার কম্পিউটারের সাথে কথা বলতে শুরু করতেন, তবে দু-একবার সেটাকে ফোন কল বলে ভুল করা হতো। কয়েকবার এমন হওয়ার পর, লোকেরা ভাবতে শুরু করত যে আপনি অতিরিক্ত কাজের চাপে আছেন কি না এবং আপনার মানসিক অবস্থা ভালো আছে কি না।

এই বছর থেকে, যারা কম্পিউটারের সামনে বসে নিজের সাথে কথা বলে, তারাই সম্ভবত কোম্পানির প্রথম ব্যক্তি যারা কাজ ফাঁকি দিয়ে চলে যায়।

ক্লায়েন্ট ডাউনলোড লিঙ্ক:
https://www.qianwen.com/download?ch=tongyi_redirect
ওয়েব সংস্করণে প্রবেশের ঠিকানা:
https://www.qianwen.com/

iFanr-এর অফিসিয়াল WeChat অ্যাকাউন্ট iFanr (WeChat ID: ifanr) ফলো করুন, যেখানে যত তাড়াতাড়ি সম্ভব আপনার জন্য আরও আকর্ষণীয় কন্টেন্ট উপস্থাপন করা হবে।