其實跟ai溝通有個很大的問題 就是ai根本就不像人 永遠都要依靠一個電腦或是手持裝置 感覺就像在跟很遠的一個人對話 隔著一個窗口像在送信一樣 真的很辛苦 ai有沒有辦法做到就像身邊的一個人可以自由對話 甚至還可以互相打斷對方的談話用很即時沒有網路延遲的方式跟你交談 等到ai不確定答案的時候會主動問你需不需要我幫你查一下 好的你去查一下這時候ai才會去啟動網路 不然就繼續離線跟你哈啦 你在講話的時候還會嗯 嗯 嗯 是的 這樣相互回應不會完全抓不到斷點還要停頓一段時間才確定語音是不是結束可以送出 而且現在的ai語音通話 常常都嘛是完整錄音後送出 沒有近端語音引擎在離線下就幫你分析斷句 整句送出其實效率很差不如使用鍵盤 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.114.216.134 (臺灣) ※ 文章網址: https://webptt.cc/bbs/Gossiping/M.1774778298.A.21C.html 現在的即時語言對話很爛 你講完了還要突然保持安靜等手機判斷對話中斷 而且根本沒辦法濾音 如果你在餐廳很吵雜手機會錄到隔壁的人對話根本沒辦法用 但是一邊吃飯一邊聊天只能限於人類 跟ai類就很辛苦 沒辦法辨識主要對話的人物 萬一講到一半你的朋友進來 也需要有讓ai即時知道那是想要加入談話的人物需要留意朋友的聲紋進行濾音 可以 ya ok 啊你是說...嗎？ 但是如果人類對話時都沒反應 一般的人會直覺對方根本沒在聽或不想再聽或是他累了不要再吵他了 其實現在的語音輸入常常就是沒有反應沒辦法確定他到底有沒有陷入辨識異常 等到你送出之後才發現根本沒聽懂你說的 類似這樣你忘詞的時候 還可以讓你補完整你的一句話也不會因此造成叉開話題 但是那個好像沒有近端引擎 其實近端引擎不用很強而且輸入文本極短不會突然需要你對llm輸入一本書 只要聽得懂常見的中、英文詞彙 聽不懂的ai再同步偷偷連網查 好像是整合的問題 如果斷網連輸入字都沒辦法 其實簡單的打字對話早就有辦法近端聊天了 其實近端的語音不用到能力很強 只要有辦法吃你的咬字就行了 其他的他不會讓他自己去問資料中心 那話說回來其實就跟十年前的siri一樣根本語音對話幾乎沒什麼進步 沒連網連哈啦都不行 甚至我說話時候要把正在播放的周杰倫夜曲關掉 沒連網連哈啦都不行 這樣用了兩次就不想再開了 所以在很少人在用語音ai但是其實很多人都試過決定不想再用 但是你有連網而且一次要講完一整段 沒講完就送出不如就不要講了 所以你用的介面有近端分析跟離線辨識嗎？是哪一套？ android、ios、windows都可以我想體驗看看 但至少要開一個對話軟體或是系統介面吧？ 目前gemini跟chatgpt都沒辦法 而且那些一定是要連網的 只要連網即時對話體驗就很糟了 那是哪一套？ gemini跟chatgpt都是沒辦法斷網的 現在有幾款有支援tts了 需要下載即時語音llm 有找到類似的 whisper可以斷網對話不傷token但辨識超慢這樣不可能斷句了 試了都很難用一直在鬼打牆跟手機語音客服一樣爛 特斯拉的語音不知道會不會一樣頓 ※ 編輯: gyGirl (58.114.216.134 臺灣), 03/29/2026 19:46:01