ProofreaderPro.ai
انسانی‌سازی متن با هوش مصنوعی

کنترل لحن humanizer هوش مصنوعی: رسمی، اول شخص یا دوم شخص

کنترل لحن humanizer هوش مصنوعی در ProofreaderPro: رسمی آکادمیک، فقط اول شخص، فقط دوم شخص یا مطابقت با پیش‌نویس من، تا یک پاراگراف رسمی، رسمی برگردد.

Lisa|27 آبان 1405|14 زمان مطالعه, کوتاه
کنترل لحن humanizer هوش مصنوعی: رسمی، اول شخص یا دوم شخص - ProofreaderPro Blog

کنترل لحن humanizer هوش مصنوعی در ProofreaderPro تعیین می‌کند متن humanized می‌تواند از کدام شخص دستوری استفاده کند. فهرست کشویی صدا در AI Humanizer چهار تنظیم دارد: رسمی آکادمیک، فقط اول شخص، فقط دوم شخص و مطابقت با پیش‌نویس من. humanizer شخصی را که پیش‌نویس شما با آن نوشته شده تشخیص می‌دهد و همان را حفظ می‌کند. یک پاراگراف خنثی و عینی، خنثی و عینی برمی‌گردد و یک بازتاب اول شخص، با همان اول شخص برمی‌گردد. این تنظیم در Academic Plus گنجانده شده است.

نگارش آکادمیک به این موضوع وابسته است. بیشتر humanizerهای عمومی از متن محاوره‌ای یاد می‌گیرند، بنابراین یک پاراگراف رسمی اغلب با خطاب «شما» یا به‌صورت گزارش‌شده با «ما» برمی‌گردد. این راهنما توضیح می‌دهد چرا ثبت خنثی اهمیت دارد و فیلتر لحن چگونه کار می‌کند. سپس نشان می‌دهد این فیلتر در سه نمونه humanized چه چیزهایی را حفظ کرده است: یک پاراگراف رسمی آکادمیک، یک بازتاب اول شخص و یک راهنمای دوم شخص.

تنظیم صدامتن humanized می‌تواند از این‌ها استفاده کندمسدود شدهبرای استفاده در
رسمی آکادمیکفقط شخص سوم، بدون «من»، «ما» یا «شما»اول و دوم شخصپایان‌نامه‌ها، رساله‌ها، مقاله‌های مجلات، مقاله‌های دارای لحن آکادمیک
فقط اول شخص«من»، «ما»، «مال من»، «مال ما»دوم شخص («شما»)مقاله‌های تأملی، بیانیه‌های شخصی، نامه‌های پوششی
فقط دوم شخص«شما»، «مال شما»اول شخص («من»، «ما»)راهنماها، دستورالعمل‌ها، آموزش‌ها، کتابچه‌ها، متن بازاریابی
مطابقت با پیش‌نویس منهر چیزی که پیش‌نویس شما از قبل استفاده می‌کندهر شخصی که پیش‌نویس از او استفاده نمی‌کندپیش‌نویس‌های ترکیبی، نقل‌قول‌های مصاحبه، هر چیزی که بخواهید همان‌طور که نوشته شده حفظ شود

چرا نوشتار دانشگاهی به یک لحن خنثی و عینی نیاز دارد

نوشتار رسمی دانشگاهی نویسنده و خواننده را از جمله بیرون نگه می‌دارد. موضوع جمله خودِ پژوهش، نمونه، روش یا یافته است: «این نظرسنجی میان 240 پرستار توزیع شد»، «نتایج نشان‌دهنده یک همبستگی ضعیف است». این لحن غیرشخصی و سوم‌شخص همان چیزی است که بیشتر راهنماهای دانشگاهی برای مقاله‌ها، رساله‌ها و پایان‌نامه‌ها می‌خواهند و بیشتر مجلات نیز در یک دست‌نوشته انتظار دارند.

دلیل آن عینیت است. ادعایی که به شکل «داده‌ها نشان می‌دهند» نوشته شود، خواننده را به بررسی داده‌ها فرامی‌خواند. همان ادعا اگر به شکل «فکر می‌کنم داده‌ها نشان می‌دهند» یا «می‌توانید ببینید داده‌ها نشان می‌دهند» نوشته شود، آن را به یک نظر یا خطاب به خواننده تبدیل می‌کند. ممتحن‌ها شکل اول را به‌عنوان شواهد می‌خوانند و شکل دوم را به‌عنوان توضیح یا نظر، و روبریکی که برای لحن دانشگاهی بخشی دارد، برای شکل دوم نمره کسر می‌کند.

این قراردادها در حاشیه‌ها متفاوت‌اند. بعضی رشته‌ها و مجلات «we» را برای فرایندهای خودِ نویسندگان می‌پذیرند («we recruited»، «we argue»)، و تکالیف تأملی «I» را می‌طلبند. ضمیر دوم‌شخص تنها شکلی است که تقریباً هیچ ارسال دانشگاهی آن را نمی‌پذیرد. «You» یک یافته گزارش‌شده را به یک دستور و یک مقاله رسمی را به یک گفت‌وگو تبدیل می‌کند.

پس شخصی که یک مقاله به آن نوشته می‌شود، بخشی از الزامات ارسال آن است و دانشکده یا مجله پیش از نوشته شدن هر واژه‌ای آن را تعیین می‌کند. مقاله‌ای که در لحن درست نوشته شده و سپس به شکل نادرست humanize شده باشد، در هر صفحه این الزام را نقض می‌کند. مطلب مربوط به مجهول در نوشتار دانشگاهی انتخاب مرتبط میان «the sample was analyzed» و «we analyzed the sample» را توضیح می‌دهد.

humanizerها چگونه لحن شما را تغییر می‌دهند

بیشتر humanizerها برای محتوای عمومی ساخته شده‌اند: پست‌های وبلاگی، ایمیل‌ها، زیرنویس‌ها و صفحات بازاریابی. مدل‌های آن‌ها از نوشتار محاوره‌ای یاد می‌گیرند و انگلیسی محاوره‌ای برای خطاب به خواننده نوشته می‌شود. «You» همه‌جا هست، «we» نام برند است، و contractions و پرسش‌های مستقیم عادی‌اند.

وقتی مدلی که این‌گونه آموزش دیده است یک پاراگراف رسمی را بازنویسی می‌کند، به الگوهای جمله‌ای آشنای خود رجوع می‌کند. «It was observed that participants completed the task faster» به «We noticed that participants got through the task faster» یا «You'll notice participants finished the task faster» برمی‌گردد. معنا حفظ می‌شود و امتیاز AI ممکن است کاهش یابد، اما پاراگراف از خنثی و عینی به ذهنی تغییر کرده است.

در نتیجه نویسنده باید هر جمله از یک فصل 6,000 کلمه‌ای را برای یک «you»، «we» یا «I» ناخواسته دوباره بررسی کند، همان ویرایشی که انتظار داشت humanizer برایش انجام دهد. برای یک فصل پایان‌نامه، این یعنی یک بازخوانی دومِ کل متن به‌صورت دستی. humanizerی که برای خبرنامه خوب می‌نویسد، ابزار مناسبی برای خبرنامه است، و یک دست‌نوشته پژوهشی به ابزاری نیاز دارد که لحن دانشگاهی را حفظ کند. راهنمای ما درباره چگونه متن AI را humanize کنیم تنظیمات دیگری را که برای نوشتار پژوهشی اهمیت دارند پوشش می‌دهد.

چهار تنظیم کنترل لحن humanizer هوش مصنوعی

فهرست کشویی Voice بین کلید تغییر English (US/UK) و فیلد Freeze terms در زبانه AI Humanizer قرار دارد. این تنظیم بر کل متنی که humanize می‌کنید اعمال می‌شود، و چگونه یک فایل Word کامل (.docx) را با ProofreaderPro انسانی تر کنیم همان تنظیم را به یک سند کامل Word کپی می‌کند.

AI Humanizer در ProofreaderPro با فهرست کشویی Voice روی Match my draft، بین کلید تغییر English و فیلد Freeze terms

طرح من را مطابقت بده

پیش‌فرض. humanizer تشخیص می‌دهد که پیش‌نویس شما از کدام شخص استفاده می‌کند و همان را حفظ می‌کند. پیش‌نویسی که هیچ شخص اول یا دومی ندارد، بدون هیچ‌کدام بازمی‌گردد، و پیش‌نویسی که به صورت «I» نوشته شده باشد، به صورت «I» بازمی‌گردد. موتور نمی‌تواند شخصی را اضافه کند که پیش‌نویس شما از ابتدا از آن استفاده نکرده است.

رسمی دانشگاهی

خروجی ممکن است اصلاً از شخص اول یا دوم استفاده نکند. این تنظیم برای پایان‌نامه‌ها، رساله‌ها و دست‌نوشته‌های مجلاتی است که با لحن بی‌طرف نوشته شده‌اند، و پیش‌نویس باید از قبل در همین لحن باشد.

فقط شخص اول

«I»، «we»، «my» و «our» را حفظ می‌کند و «you» را مسدود می‌کند. برای مقاله‌های تأملی، بیانیه‌های شخصی، نامه‌های پوششی و هر بخشی که با صدای خود نویسنده نوشته شده است.

فقط شخص دوم

«you» و «your» را حفظ می‌کند و «I» و «we» را مسدود می‌کند. برای راهنماها، دستورالعمل‌ها، آموزش‌ها و متن‌های بازاریابی که برای خواننده نوشته شده‌اند.

تنظیم صدا خروجی را فیلتر می‌کند. این تنظیم، پیش‌نویس را از یک شخص به شخص دیگر تبدیل نمی‌کند، بنابراین پیش‌نویس باید با صدایی نوشته شده باشد که شما انتخاب می‌کنید. اگر پیش‌نویس با تنظیم انتخابی در تضاد باشد، humanizer پیش از آن‌که هزینه‌ای برای هیچ واژه‌ای محاسبه شود متوقف می‌شود. اگر روی پیش‌نویسی که شامل «you» است گزینه Formal academic را انتخاب کنید، پیامی از شما می‌خواهد ابتدا شخص دوم را حذف کنید یا به Match my draft تغییر دهید.

بررسی می‌داند تفاوت میان یک ضمیر و «Part I»، «Type I error» یا یک نام با حروف ابتدایی بزرگ در سبک عنوانی چیست. یک عنوان استنادشده مانند (You Are Not So Smart, 2011) هم آن را فعال نمی‌کند. برای تبدیل اولیه پیش‌نویس، ابزار رایگان مبدل اول‌شخص به سوم‌شخص تبدیل را انجام می‌دهد و سپس humanizer نتیجه را حفظ می‌کند.

مثال ۱: یک پاراگراف رسمی دانشگاهی با Formal academic

پیش‌نویس زیر یک پاراگراف روش‌شناسی از یک رساله در علوم گیاهی است که به شخص سوم و با دو ارجاع نوشته شده است. این متن در حالت Academic و با Voice روی Formal academic humanize شده است.

پیش‌نویس

پیری خوشه‌برگ پس از گل‌دهی به‌صورت دیداری ارزیابی شد. ارزیابی دیداریِ کاهش تدریجی سطح سبز برگ به‌طور گسترده برای فنوتیپ‌سازی ویژگی‌های پیری و ماندگاری سبز در گندم به کار می‌رود (Pask et al., 2012; Chapman et al., 2021). در این مطالعه، از یک مقیاس ترتیبی از پیش تعیین‌شده 0-7 استفاده شد. نمره 0 نشان‌دهنده یک خوشه‌برگ کاملاً سبز و از نظر فیزیولوژیکی فعال بود، در حالی که نمره 7 نشان‌دهنده پیری پیشرفته بود که معادل حدود 70-80% زردشدگی یا خشک‌شدگی سطح خوشه‌برگ به شمار می‌رفت. نمره‌های میانی بیانگر سطوحی به‌تدریج بیشتر از زردشدگی و خشک‌شدگی بودند.

با Formal academic humanize شد

پیری خوشه‌برگ‌ها پس از گل‌دهی با مشاهده دیداری ارزیابی شد. نمره‌دهی دیداریِ زردشدن تدریجی برگ‌ها به‌طور مکرر برای شناسایی ویژگی‌های پیری و ماندگاری سبز در گندم به کار می‌رود (Pask et al., 2012; Chapman et al., 2021). مقیاس امتیازدهی 0-7 که در اینجا به کار گرفته شد، از پیش تعیین شده بود. نمره 0 معادل یک خوشه‌برگ کاملاً سبز و از نظر فیزیولوژیکی فعال بود، در حالی که نمره 7 نشان‌دهنده پیری دیررس بود که معادل حدود 70-80% زردشدن یا خشک شدن سطح خوشه‌برگ است. نمره‌های بین 0 و 7 نشان‌دهنده درجه‌ای به‌تدریج افزایشی از زردشدن و خشک‌شدن بودند.

هر جمله بازنویسی شد و پاراگراف همچنان در شخص سوم باقی ماند. «Flag-leaf senescence was assessed visually» به «Senescence of the flag leaves was evaluated by visual observation» تبدیل شد. «A predefined 0-7 ordinal scale was used» به «The 0-7 rating scale that was adopted here was predetermined» تبدیل شد. هر دو ارجاع، مقیاس 0 تا 7 و عدد 70-80% به‌صورت دقیق حفظ شده‌اند، و در خروجی هیچ «we»، «I» یا «you» وجود ندارد.

در لحنی humanizer کنید که اثر شما نیاز دارد

Academic Plus شامل فیلتر صدا، شش سطح شدت تا ULTRA، Doc Humanizer و 50,000 کلمه در ماه است.

فیلتر صدا را ببینید

نمونه 2: تأملی به زبان اول شخص با First person only

پیش‌نویس دوم، بندی از یک تأمل حرفه‌ای درباره سنجش عملکرد است که به زبان اول شخص نوشته شده. این متن در حالت Academic و با Voice روی First person only humanize شد.

پیش‌نویس

در طول سال‌ها، در کار با سنجش عملکرد در سازمان‌های ترکیبی، آموخته‌ام که کیفیت نظام سنجش بازتابی از میزان شفافیت سازمان درباره آن چیزی است که می‌خواهد تولید کند. سازمانی که تعریف‌های روشن، مشخص و قابل مشاهده‌ای از این‌که عملکرد عالی در هر نقش چه شکلی دارد داشته باشد، می‌تواند نظام سنجشی طراحی کند که به‌جای صرفاً حضور، سهم و اثر را ارزیابی کند. سازمان‌هایی که درک روشنی از این‌که عملکرد خوب چه معنایی دارد ندارند یا به توصیف‌های مبهم از رفتارهای مطلوب تکیه می‌کنند و امیدوارند مدیران هنگام دیدن کار خوب آن را تشخیص دهند، ناگزیر می‌یابند که مدیران دقیقاً رفتاری را بهتر می‌شناسند که در نظارت بر آن احساس راحتی بیشتری دارند، و در محیط‌های ترکیبی، این همان رفتارِ افرادی است که می‌توانند ببینند.

Humanized با First person only

به تجربه‌ام، در طول سال‌ها کار با سنجش عملکرد در سازمان‌های ترکیبی، آموخته‌ام که کیفیت نظام سنجش بازتابی از میزان شفافیت سازمان درباره آن چیزی است که می‌خواهد تولید کند. سازمان‌هایی که تعریف‌های روشن، مشخص و قابل مشاهده‌ای از این‌که عملکرد عالی در هر نقش چه شکلی دارد داشته باشند، می‌توانند نظام سنجشی طراحی کنند که به‌جای صرفاً حضور، سهم و اثر را ارزیابی کند. در مقابل، سازمان‌هایی که درک روشنی از این‌که عملکرد خوب چه معنایی دارد ندارند یا به توصیف‌های مبهم از رفتارهای مطلوب تکیه می‌کنند و امیدوارند مدیران هنگام دیدن کار خوب آن را تشخیص دهند، ناگزیر می‌یابند که مدیران دقیقاً رفتاری را بهتر می‌شناسند که در نظارت بر آن احساس راحتی بیشتری دارند، و در محیط‌های ترکیبی، این همان رفتارِ افرادی است که می‌توانند ببینند.

این بند به زبان اول شخص برگشت. «آموخته‌ام» حفظ شد، humanizer در آغاز «به تجربه‌ام» را افزود و پیش از جمله سوم «در مقابل» را اضافه کرد، و «یک سازمان» به «سازمان‌ها» تبدیل شد. هیچ «تو»یی اضافه نشد. First person only ضمیر دوم شخص را مسدود می‌کند و «من»، «ما» و «مال من» را همان‌طور که نویسنده به کار می‌برد باقی می‌گذارد.

نمونه 3: راهنمای دوم شخص با Match my draft

پیش‌نویس سوم، بندی از یک راهنمای مدیریت پروژه است که برای خواننده نوشته شده. این متن در حالت Academic و با Voice روی تنظیم پیش‌فرض، یعنی Match my draft، humanize شد.

پیش‌نویس

تفاوت بین انحراف از برنامه و تغییر برنامه به این برمی‌گردد که تأخیر چقدر بد است و چه کسی باید آن را تأیید کند. انحراف جزئی است. ممکن است بخشی از زمان ذخیره اضافی را مصرف کند، اما تاریخ پایان همان می‌ماند و دامنه کلی تغییر نمی‌کند. شما می‌توانید انحراف را فقط با ثبت جابه‌جایی و در جریان نگه داشتن افراد، به‌صورت داخلی مدیریت کنید. اما تغییر برنامه واقعاً مهلت، بودجه یا نقاط عطف اصلی را جابه‌جا می‌کند. شما نمی‌توانید چنین تغییری را به‌تنهایی برطرف کنید. این کار به یک درخواست رسمی تغییر و تأیید صریح از سوی کارفرما یا حامی پروژه برای بازتنظیم مبنا نیاز دارد.

Humanized with Match my draft

تفاوت میان انحراف از برنامه و تغییر برنامه در این است که چقدر تأخیر دارید و چه کسی باید آن را تأیید کند. انحراف یک مشکل کوچک است. ممکن است بخشی از زمان حاشیه را مصرف کند، اما موعد تحویل بدون تغییر می‌ماند و کل دامنه تغییر نمی‌کند. اگر تغییر را ثبت کنید و همه را به‌روز نگه دارید، می‌توانید بدون دردسر از پسِ یک انحراف برآیید. تغییر برنامه در واقع موعد تحویل، بودجه یا نقاط عطف اصلی را جابه‌جا می‌کند. شما نمی‌توانید چنین تغییری را به‌تنهایی اصلاح کنید. برای جابه‌جایی خط پایه، به یک درخواست رسمی تغییر و تأیید از طرف مشتری یا حامی پروژه نیاز است.

الگوی من را مطابق من تشخیص داد و نفر دوم را مسدود کرد. «می‌توانید یک انحراف را به‌صورت داخلی مدیریت کنید» به «می‌توانید بدون دردسر از پسِ یک انحراف برآیید» تبدیل شد. «شما نمی‌توانید چنین تغییری را به‌تنهایی اصلاح کنید» به «شما نمی‌توانید چنین نوع تغییری را به‌تنهایی اصلاح کنید» تبدیل شد و جمله اول عبارت «چقدر تأخیر دارید» را گرفت. خروجی هیچ «من» یا «ما» در خود ندارد. نفر دوم فقط همان مسدودسازی را با شخصی که از پیش نام برده شده اعمال می‌کند، و اگر پیش‌نویس شامل «من» یا «ما» باشد آن را رد می‌کند.

کدام تنظیم صدای نوشتار را انتخاب کنیم؟

تنظیم را با نوع سند هماهنگ کنید و پیش از تصمیم‌گیری، راهنمایی را که دپارتمان یا مجله شما منتشر کرده است بررسی کنید. جدول، جفت‌سازی معمول را نشان می‌دهد.

سندتنظیم صداچرا
پایان‌نامه، رساله دکتری یا دست‌نوشته مجله با لحن غیرشخصیرسمی دانشگاهیخروجی نمی‌تواند از «من»، «ما» یا «شما» استفاده کند، هر کاری هم که مدل با جمله انجام دهد
دست‌نوشته برای مجله‌ای که برای رویه‌های نویسندگان «ما» را می‌پذیردمطابقت با پیش‌نویس من«ما» در پیش‌نویس حفظ می‌شود و هیچ «شما»یی نمی‌تواند ظاهر شود
مقاله تأملی، بیانیه شخصی، نامه پوششیفقط نفر اول«من» و «ما» حفظ می‌شوند و نفر دوم مسدود می‌شود
آموزش، راهنما، دستورالعمل، متن تبلیغاتیفقط نفر دوم«شما» حفظ می‌شود و هیچ «من» یا «ما»یی نمی‌تواند ظاهر شود
مقاله‌ای که نقل‌قول از مصاحبه‌شوندگان دارد یا شامل بخش تأملی استمطابقت با پیش‌نویس منهر شخصی که پیش‌نویس استفاده می‌کند، همان‌طور که نوشته شده حفظ می‌شود

دو تنظیم معمولاً با هم می‌آیند. حالت دانشگاهی همراه با رسمی دانشگاهی، جفت‌سازی مناسب برای یک فصل پایان‌نامه است، زیرا حالت دانشگاهی مخفف‌ها را گسترش می‌دهد و استنادها را حفظ می‌کند، در حالی که فیلتر صدا لحن را حفظ می‌کند. شدت انسان‌سازی یک انتخاب جداگانه است و فیلتر صدا در هر سطحی از Mild تا ULTRA اعمال می‌شود.

اگر پیش‌نویس برای مقصدش در شخص نادرستی نوشته شده باشد، پیش از humanize کردن آن را تبدیل کنید. با مبدل رایگان لحن دانشگاهی می‌توانید جمله‌های غیررسمی را به لحن رسمی تبدیل کنید، و بررسی‌کننده رسمیت به متن امتیاز رسمیت می‌دهد.

چرا کنترل صدا را اضافه کردیم

صدا از جمله درخواست‌شده‌ترین تغییرها از سوی کاربران ما بود. دانشجویان نوشتند که یک فصل humanized با خطاب «شما» بازگشته است. نویسندگان نوشتند که یک بخش روش‌ها برای مجله‌ای که صورت مجهول را می‌خواهد، به شکل «ما اندازه‌گیری کردیم» برگشته است. این درخواست‌ها از چندین رشته و با حجم بالا رسیدند و همه یک تغییر را توصیف می‌کردند: لحن از خنثی و عینی به شخصی تغییر کرده بود.

ProofreaderPro.ai یکی از معدود humanizerهایی است که این کنترل را دارد. موتور روی نوشتار پژوهشی داوری‌شده به‌دقت تنظیم شده است، بنابراین لحن دانشگاهی نقطه آغاز آن است. فیلتر صدا یک قاعده سخت‌گیرانه را روی آن اضافه می‌کند: خروجی فقط می‌تواند از همان شخصی استفاده کند که پیش‌نویس شما استفاده می‌کند، یا فقط از شخصی که شما انتخاب می‌کنید. استنادها، اعداد، اصطلاحات کلیدی و واژه‌های قفل‌شده در هر تنظیم صدا، همان‌طور که در هر تنظیم شدت هستند، به‌صورت لفظ‌به‌لفظ حفظ می‌شوند.

پرسش‌های متداول

Q: آیا کنترل صدای humanizer هوش مصنوعی متن من را به سوم شخص تبدیل می‌کند؟

خیر. این ابزار خروجی humanized را طوری فیلتر می‌کند که فقط از همان شخصی که انتخاب کرده‌اید استفاده شود، و پیش‌نویس باید از قبل با همان شخص نوشته شده باشد. برای تغییر پیش‌نویس از اول شخص به سوم شخص، ابتدا از تبدیل‌کننده رایگان First to Third Person Converter استفاده کنید، سپس نتیجه را با Formal academic humanize کنید.

Q: برای پایان‌نامه یا مقاله ژورنالی کدام تنظیم صدا را باید استفاده کنم؟

Formal academic، اگر پیش‌نویس بدون "I"، "we" یا "you" نوشته شده باشد، که همان چیزی است که بیشتر گروه‌های آموزشی و مجلات می‌خواهند. اگر مجله شما برای روش‌های خودِ نویسندگان استفاده از "we" را می‌پذیرد و پیش‌نویس هم از آن استفاده کرده است، گزینه Match my draft را انتخاب کنید تا "we" حفظ شود.

Q: اگر پیش‌نویس من شامل "you" باشد و من Formal academic را انتخاب کنم چه می‌شود؟

humanizer قبل از اینکه هیچ واژه‌ای محاسبه شود متوقف می‌شود و یک پیام نمایش می‌دهد. دوم شخص را از پیش‌نویس حذف کنید و دوباره humanize کنید، یا برای حفظ لحن همان‌طور که نوشته شده است به Match my draft تغییر دهید.

Q: آیا فیلتر صدا در طرح Academic قرار دارد؟

فیلتر صدا در Academic Plus گنجانده شده است. در طرح Academic، کنترل Voice قفل است و humanizer از حالت پیش‌فرض، یعنی Match my draft، استفاده می‌کند.

Q: آیا فیلتر صدا در زبان‌های دیگر هم کار می‌کند؟

فیلتر صدا روی متن انگلیسی، در AI Humanizer و در Doc Humanizer کار می‌کند.

humanizer هوش مصنوعی

یک فیلتر صدا با چهار تنظیم: رسمی دانشگاهی، فقط اول شخص، فقط دوم شخص و مطابقت با پیش‌نویس من. ارجاعات، اعداد و اصطلاحات ثابت در هر تنظیم به‌صورت دقیق حفظ می‌شوند. در طرح Academic Plus گنجانده شده است.

اشتراک‌گذاری درXLinkedInFacebook
Lisa - Author at ProofreaderPro.ai
LisaCMO

لیزا دارای PhD در زبان شناسی از NYU است و همیشه کنجکاو بوده است که چگونه کامپیوترها می توانند از زبان شناسی کاربردی برای درک و برقراری ارتباط به زبان انسانی استفاده کنند و به ویرایش محتوای نوشته شده انسان کمک کنند. او در حال حاضر مدیر ارشد بازاریابی در ProofreaderPro است، جایی که بازاریابی را در سراسر کپی، رسانه های اجتماعی، ایمیل و کانال های آفلاین هدایت می کند.

مقالات بیشتر

ادامه مطلب را بخوانید

Text Humanizer را رایگان امتحان کنید

شروع رایگان
Proofreader Pro AI
تحقیقات خود را با ProofreaderPro.ai بهبود بخشید، پیشرفته‌ترین ابزار تصحیح متنی مبتنی بر هوش مصنوعی در جهان که برای متون آکادمیک تنظیم شده است.
ProofreaderProAI, Greenleaf Ave, Staten Island, 10310 New York
ابزارهای رایگان
حذف ام‌داشتعداد کلماتبررسی‌گر دستور زبانتولیدکننده نقل قولبررسی خواناییپاک‌کننده هوشمند کلمات AIبررسی صدای مجهولتبدیل به عنوان‌نویسی با حروف بزرگ و کوچکگسترش‌دهنده انقباضاتبررسی رسمی بودنهمه ابزارهای رایگان
© 2026 ProofreaderPro.ai. یک ویراستار، ادیتور و انسانی ساز دانشگاهی پیشرو. ساخته شده با ❤️ و ساختار نحوی درست و از نظر زبانی صحیح 🌳s