V květnu uchvátila publikum ukázka pokročilého hlasového režimu OpenAI a vyvolala vlnu vzrušení. Počáteční nadšení se však rychle změnilo ve zklamání, když bylo odhaleno, že tato funkce bude k dispozici až koncem tohoto roku.
Rychle vpřed o několik měsíců a OpenAI zavedla pokročilý hlasový režim pro všechny uživatele ChatGPT, včetně bezplatných i placených předplatitelů. Vzhledem k tomu, že technologie je nyní k dispozici pro širší použití, je čas zhodnotit její výkon a zjistit, zda splňuje vysoká očekávání, která nastavila úvodní prezentace.
Posouzení schopností a omezení
Uživatelé, kteří očekávali, že Advanced Voice Mode bude zrcadlit působivé funkce zobrazené v předchozí ukázce, vyvolali hmatatelný pocit zklamání. Klíčové funkce, jako je multimodalita, připojení k internetu a možnosti nahrávání souborů, znatelně chybí. Navzdory zavedení služby ChatGPT Search hlasový režim stále postrádá přístup k internetu v reálném čase a aktualizace.
Navíc nemožnost pokračovat v hlasových konverzacích z předchozích textových interakcí omezuje jeho praktičnost. Tento nedostatek je v ostrém kontrastu se slibnými schopnostmi zdůrazněnými během ukázky a nutí uživatele, aby si přáli funkce, které zůstávají nerealizované.
Vylepšení v toku konverzace
Přes svá omezení vykazuje Advanced Voice Mode oproti svému předchůdci výrazná vylepšení. Konverzace působí více organicky a uživatelé je mohou přerušovat, aniž by čekali, až se AI „zamyslí“, čímž vytvoří poutavější zážitek.
Zatímco někteří spekulují o backendových procesech nového hlasového režimu, moje zkušenost naznačuje, že mezi mluvením a přijetím odpovědi je minimální prodleva. Tato bezprostřednost podporuje smysl pro dialog podobný lidské konverzaci.
Schopnost přepínat mezi jazyky, včetně hindštiny, pandžábštiny, angličtiny a francouzštiny, je také chvályhodná. Někdy však má problémy s rozlišením mezi hindštinou a pandžábštinou a hlasový režim by mohl těžit z funkce živého přepisu pro výuku jazyků.
Rozmanité a poutavé hlasové možnosti
Výběr hlasů ChatGPT zlepšuje uživatelský zážitek. V současné době nabízí tyto hlasy:
- Arbor (M) – Lehký a všestranný
- Vale (F) – Bystrý a zvídavý
- Breeze (M) – Animovaný a vážný
- Sol (F) – Důvtipný a uvolněný
- Javor (F) – Veselý a upřímný
- Cove (M) – Složené a přímé
- Ember (M) – Sebevědomý a optimistický
- Juniper (F) – Otevřený a optimistický
- Smrk (M) – Klidný a utvrzující
Živá povaha těchto hlasů činí interakce mnohem příjemnějšími ve srovnání s těmi, které nabízejí konkurenti jako Gemini Live a Copilot, kterým podobná konverzační plynulost chybí.
Výzvy s omezeními
Zatímco hlasový režim dokáže efektivně zprostředkovat emocionální nuance pro vyprávění příběhu, nedosahuje toho kvůli příliš přísným omezením. V dřívější ukázce uživatelé zažili širší rozsah schopností, včetně schopnosti zpívat, která byla odstraněna, aby se předešlo možnému porušování autorských práv.
Bohužel tato omezení zhoršují celkový zážitek. Uživatelé se mohou setkat s odmítnutím rozumných požadavků, jako je generování dialogů pro hereckou praxi, což vyvolává frustraci. Pokročilý hlasový režim může občas splnit některé kreativní požadavky s trochou nabádání, ale často má pocit, že nekonzistence brání jeho použitelnosti.
Paměťové schopnosti a povědomí o kontextu
Pozoruhodnou vlastností pokročilého hlasového režimu je jeho schopnost vyvolat informace. Neumožňuje však navazovat na hlasové konverzace v rámci stávajících chatů, které obsahují text nebo obrázky, což je významné omezení.
Ve srovnání s tím Gemini Live podporuje neustálý dialog bez ohledu na předchozí kontexty chatu, čímž zdůrazňuje oblast, kde může být potřeba zlepšit OpenAI, aby mohla účinně konkurovat.
Doby rychlé odezvy
Rychlé reakce sice zvyšují dynamiku konverzace, ale někdy mohou narušit tok dialogu. AI má tendenci nesprávně interpretovat pauzy jako výzvu k reakci, což vede k přerušením, která mohou vykolejit myšlenkový tok uživatele.
Funkce umožňující uživatelům signalizovat delší pauzy, podobně jako tlačítko „Podržet“, by výrazně zvýšila přirozenost těchto interakcí.
Občasné drobné závady
Většina interakcí s pokročilým hlasovým režimem je plynulá, ale uživatelé se mohou občas setkat s drobnými závadami, jako jsou krátké statické nebo neočekávané změny hlasu. I když jsou tyto problémy obecně méně závažné, mohou občas narušit uživatelský dojem.
Úvahy o ceně a dostupnosti
Pokročilý hlasový režim je dostupný na bezplatném tarifu ChatGPT po dobu přibližně 15 minut měsíčně, ale úplný přístup vyžaduje předplatné. To je v kontrastu s konkurenty jako Copilot a Gemini Live, které uživatelům nabízejí své hlasové funkce zdarma.
Poplatek za předplatné spolu s absencí funkcí, jako je přístup k internetu u jiných modelů, vyvolává otázky o hodnotě služby, zejména u uživatelů, kteří se zajímají pouze o hlasové funkce.
Závěrečné hodnocení
Zatímco Advanced Voice Mode se nepopiratelně může pochlubit působivým technologickým pokrokem, v současné době nedosahuje toho, co slibovalo demo. Jeho praktické aplikace jsou omezené a bez výrazných vylepšení slouží spíše jako novinka než nezbytný nástroj.
Pro ty, kteří si již předplatili ChatGPT pro funkce jako Canvas, Search nebo model uvažování, může Advanced Voice Mode sloužit jako úžasný doplněk. Samo o sobě však nemusí ospravedlnit předplatné.
Napsat komentář