“我让 AI 来处理我 24 小时的音频信息—

“我让 AI 来处理我 24 小时的音频信息——这会是未来吗？”

整理 | 郑丽媛
出品 | CSDN（ID：CSDNnews）

这几年 AI 发展和进化的速度，几乎可以用三个字来形容：杀疯了。

AI 下棋、AI 编程、AI 作画、AI 写小说、AI 预测蛋白质结构……当 AI 逐渐融入我们的生活，你是否设想过，我们的未来会如何发展？会像许多科幻电影和赛博朋克类小说中说的那样，让 AI 管理和安排我们的日常？

正如未来学家尼葛洛庞帝所说，“预测未来的最好方法，就是去创造未来”，最近国外一位小哥 RoberDam 便提前“体验”了一把他眼中的未来：“我 24 小时都用音频记录自己，然后用 AI 来处理这些信息——这会是未来吗？”
在这里插入图片描述
恰好出现的 Whisper

说来有些好笑，RoberDam 会对这个测试提起兴趣的原因之一，是 1TB 内存手机的出现：“迄今为止已经有多种型号的智能手机都具有 1TB 的内存，这能干什么呢？能全天候地记录自己的音频！”

恰好今年 9 月底，OpenAI 又发布了一个名为 Whisper 的语言 AI 模型，并声称它在英语语音识别方面的准确性已接近人类水平——RoberDam 灵光一闪，齐活儿！

“当然，这只是一个预测未来的实验，就是想看看什么可能、什么不可能。”

首先，RoberDam 买了几个麦克风带在身上，整天开着，记录他一天说的话。计划当一天结束后，他就把这些音频交由 OpenAI 的 Whisper 处理，转化为文本文件，从中提取信息。

不过，毕竟每天说的话太多，RoberDam 认为还是有必要画个重点的。因此，他创建了一个初级的“数字助理”程序，将一些重要信息通过关键词“Robert”和“End Robert”主动让其捕捉：“每次我说出‘Robert’这个词时，表明我之后所说的一切都是我对助手的命令，直到我再次说‘End Robert’，意味着命令结束。”

举两个例子：

想让“数字助理”记录当天的体重，RoberDam 只需大声说：“Robert WEIGHT 60.1 end Robert。”
想让“数字助理”记录当天的睡眠时间，RoberDam 也只需说：“Robert SLEEP 7 hours 14 minutes end Robert。”

等一天结束，Whisper 将当天的音频处理并转换为文本后，“数字助理”程序就会负责搜索命令的文本并提取关键词之间的所有内容。

足以确保 100% 的隐私，还等同于“模拟 API”

说到这里，可能有些人会觉得，何必如此麻烦搞个“数字助理”，直接用 Google 的“OK GOOGLE”和苹果的“Siri”不香吗？

以“OK GOOGLE”为例，RoberDam 总结了三点局限：

命令受限：不够了解“OK Google”可以交互式地做什么，对它的一些命令只会作为 Google 搜索返回。
不够隐私：你对“OK Google”说的命令和完整音频文件都会一起保存在 Google 中，搜索历史记录就能查到。你不仅能听到自己的声音，旁边人的对话可能也会被录进去。
同步处理：当你向 Google 发送命令时，通常会有几秒的延迟，可能用于搜索也可能在辨别你的命令，而这会分散你的注意力，让你关注它的反馈，有时候这比你直接手动操作还慢。

基于这三点，RoberDam 自己创建的“数字助理”就很好地解决了这些问题：

命令受限：命令由 RoberDam 自己决定，他知道“数字助理”能处理什么。
不够隐私：所有音频只有 RoberDam 一人拥有，确保 100% 隐私。
同步处理：它是异步处理的，所以 RoberDam 不用费心盯着它有没有及时响应，想到了就说出命令，一天结束后它会自己处理。

另外值得一提的是，这个“数字助理”某种程度上来说等同于一个“模拟 API”——一些电子设备原本只能与手机连接，但现在 RoberDam 通过将音频交由“数字助理”处理，间接实现了多个设备之间的通信。

目前还存在一些弊端

总之，某一天 RoberDam 终于克服了羞耻心，时不时就对着麦克风喊着：“Robert……end Robert”，最终他明确向“数字助理”说的所有信息都可以集中在日常控制面板中：
在这里插入图片描述
不仅如此，RoberDam 表示，为了进一步了解当天的日程，还可以创建“我的日记”以生成当天所做事情的摘要：

不过，RoberDam 也承认，这种 AI 处理方式还存在一些弊端。例如：现阶段的“数字助理”并不会提醒他当天必须要做的事情；由于是异步处理的，只有到晚上才知道那些命令有没有被成功处理；还有在别人眼里，他的“自言自语”可能有点奇怪。