ChatGPT填表效率指南：图像识别与语音输入实战测评

今天，OpenAI给ChatGPT解锁了一项相当实用的新技能：AI填表。简单来说，现在你只需要把一张表格图片上传给ChatGPT，然后通过语音或者文字告诉它该怎么填，它就能自己识别表格里的各个栏目，并把信息自动填进去。

官方演示里展示了一个很典型的场景。用户上传了一份健身房的会员登记表，然后就像跟助理说话一样，口头报出了自己的姓名、地址和健身目标。ChatGPT这边呢，一边“看”着图片里的表格结构，一边“听”着用户的语音指令，接着就准确地把对应信息填到了正确的栏目里。整个过程一气呵成，完全跳过了传统上需要手动、逐项输入的繁琐步骤。

这背后，其实是ChatGPT将图像识别、语音交互和内容生成这几项能力做了一次深度串联。它不再是单一地处理图片或者语音，而是能同时进行：读取上传图片中的表单字段、理解用户的语音或文字指令、再根据对话的上下文生成合适的填写内容。更有意思的是，在演示的最后，系统在填完表后，还能根据表格内容继续生成相关的图片，展现了多模态能力的连贯性。

当然，这项新功能目前还处在早期阶段，有一些限制需要注意。最大的一个点是，它的输出结果目前是一张静态图片，而不是一个可编辑的PDF或者Word文档。这意味着，如果你需要对填写内容进行修改，或者需要将表格导入其他系统，可能还得手动操作一遍。另外，它对上传图片的质量也有要求，如果表格拍得模糊或者光线太暗，识别和填写的准确率就可能打折扣。

话说回来，尽管有这些局限，但AI填表这个方向的潜力是显而易见的。它把填表这件枯燥的“体力活”，变成了一种自然的对话交互，朝着“真正能干活儿的AI助手”又迈进了一步。

来源：互联网