- Det avancerade röstläget för ChatGPT Den integreras i samma chattfönster som texten.
- Användare kan tala, visa transkript i realtid och ta emot bilder, kartor eller andra visuella element, allt i ett och samma gränssnitt.
- Alternativet att aktivera "Separat läge" finns kvar för att bevara den klassiska ljudupplevelsen i virtuell assistentstil.
- Uppdateringen rullas ut på webben och i appar mobiltelefoner av iOS och Android för alla användare, med extra funktioner för betalda konton.
trollkarlen OpenAI Det tar ett viktigt steg i hur vi förhåller oss till artificiell intelligens. Härefter, ChatGPTs röstläge det upphör att vara en separat skärm och den samexisterar nu direkt med textchatten, vilket förenklar den dagliga användningen och eliminerar många onödiga fönsterbyten.
Med den här uppdateringen kan vem som helst prata med ChatGPT, se transkription av samtalet och ta emot kartor, bilder eller annat visuellt innehåll utan att lämna samma chatttråd. Tanken är att föra upplevelsen närmare en naturlig konversation, där röst och skärm samarbetar istället för att vara separata.
Röstläge i chatten: vad exakt ändras
Fram tills nu har de som ville använda röst i ChatGPT varit tvungna att hoppa till ett dedikerat ljudgränssnittdominerades av den klassiska blå klotet eller ett helskärmsläge som skiljer sig från den vanliga chatten. Detta genererade en del friktion, särskilt om användaren ville granska tidigare meddelanden eller konsultera visuell information medan man talade.
Med den nya versionen, Avancerat röstläge aktiveras direkt från skrivfältet.Genom att trycka på ljudvågsikonen till höger om textrutan sker ingen plötslig miljöförändring: samma konversationstråd och hela historiken förblir synliga.
Så snart ikonen trycks ner börjar ChatGPT lyssna och Den visar en live-transkription av vad som sägs på skärmen.från både användaren och assistenten. Resultatet är en hybridupplevelse där du kan följa samtalet med rösten utan att tappa kontrollen över vad som visas i chatten.
Integrationen gör det också möjligt för assistenten att interagera under dialogen. Lägg till realtidsbilder såsom kartor, relaterade bilder, utdrag från webbsidor eller andra resurser. Allt detta presenteras inbäddat i samma tråd, utan att man behöver lämna röstläget eller öppna ytterligare fönster.
En praktisk detalj är att Du kan växla mellan att skriva och tala kontinuerligtÄven om röstläget är aktivt, om användaren föredrar att skriva en del av frågan, kommer systemet att acceptera den och svara med rösten, vilket bibehåller kontinuiteten i konversationen.
En mer naturlig och snabbare upplevelse: latens, känslor och GPT-5.1
Röst- och textintegration sker inte av sig själv. OpenAI har introducerat Tekniska justeringar för att göra röstinteraktionen smidigaremed svarstider som ungefär motsvarar takten i en konversation mellan två personer. Företaget rapporterar svarstider i storleksordningen 200 millisekunder, vilket avsevärt minskar känslan av väntan.
Samtidigt införlivar assistenten förbättringar i rösternas intonation och uttrycksförmågaMålet är att få dem att låta mindre robotiska och mer som ett vardagligt samtal. Tanken är att användaren ska uppfatta en mer personlig ton, kapabel att förmedla nyanser och subtila känslor samtidigt som den förblir ett automatiserat verktyg.
På en teknisk nivå är dessa nya funktioner beroende av integration med nyare modeller, såsom GPT-5.1vilket möjliggör mer exakt justering av tonhöjd, hastighet och hur IA Den svarar via ljud. Även om dessa framsteg inte förvandlar assistenten till en mänsklig samtalspartner, minskar de en del av det avstånd som vanligtvis förknippas med syntetiska röster.
Detta tillvägagångssätt passar in i branschens trend mot rikare multimodala interaktioner, där text, röst och bilder kombineras till en enda ström. Jämfört med konkurrerande lösningar som tvillingarna Lev från GoogleOpenAIs tillvägagångssätt är att integrera allt i samma gränssnitt, istället för att tvinga användare att hoppa från ett sammanhang till ett annat.
För slutanvändaren är den praktiska konsekvensen att kan föra ett handsfree-samtal mycket mer kontinuerligsamtidigt som man får visuellt stöd när konsultationen kräver det, oavsett om man vill orientera sig med en karta, granska ett diagram eller följa ett diagram på skärmen.
Hur man aktiverar det, på vilka enheter och skillnader mellan gratis- och betalanvändare
Den nya röstupplevelsen är gradvis lansera det på både webb- och mobilappar från ChatGPT för iOS och AndroidI de flesta fall är ändringen tillgänglig genom att helt enkelt uppdatera appen från motsvarande butik eller uppdatera webbversionen.
När den senaste versionen är installerad är åtkomsten enkel: Tryck bara på röstvågsikonen bredvid textrutan från chatten. Från och med det ögonblicket lyssnar applikationen på användaren och visar transkriptet och svaren i fönstret, utan att byta skärm.
För de som använder gratisversionen av tjänsten finns online-röstläge tillgängligt. Tillgänglig utan extra kostnad, dock med begränsningar i el tiempo användning om du inte har en betald prenumeration. Däremot erbjuder abonnemang som ChatGPT Plus, Pro eller Teams fler chattminuter och tillgång till ett avancerat röstläge med mer avancerade röster och förbättrade ljudfunktioner.
De existerar faktiskt två distinkta röstupplevelseren standardmodell, tillgänglig för alla användare, baserad på mer konventionella igenkännings- och syntestekniker; och en avancerad modell, som utnyttjar kraftfullare modellers möjligheter för att erbjuda mer uttrycksfulla svar och en mer polerad interaktion i realtid.
I Spanien och resten av Europa följer uppdateringen samma mönster som på andra marknader: Den aktiveras gradvis på mobila enheter och på webben.Därför får inte alla användare det samma dag. Trots detta indikerar OpenAI att utrullningen är utformad för att nå alla konton, utan regionala begränsningar, utöver skillnaden mellan gratis- och betalplaner.
Mer användarkontroll: "Separat läge" och röstinställningar
Integrering av text och röst är standardmetoden, men OpenAI har inte eliminerat den klassiska ljudupplevelsenFör de som föredrar en mer uppslukande interaktion, utan att se chatten eller transkriptet, finns det fortfarande möjlighet att använda det så kallade "Separatläge".
Det här läget kan aktiveras från ChatGPT-inställningsmenyn, i avsnittet RöstlägeNär applikationen aktiveras återgår den till den tidigare designen, där användaren går in i en miljö som uteslutande är avsedd för ljudkonversationer, ungefär som att prata med en traditionell digital assistent.
Växla mellan integrerat gränssnitt och separat läge Det finns ingen gräns för antalet aktiveringar.Användaren kan prova den ena, återgå till den andra och justera inställningarna så många gånger de vill. Denna flexibilitet syftar till att tillgodose både de som värdesätter att deras chatthistorik alltid är synlig och de som är mer bekväma med en ren, röstfokuserad skärm.
Förutom att välja typ av gränssnitt är det möjligt att komma åt inställningarna anpassa vissa aspekter av röstensåsom valet mellan olika tillgängliga röster. I avancerat läge har dessa röster utformats för att låta mer naturligt och med en något fylligare intonation, samtidigt som de behåller sin funktion som ett hjälpmedel.
Att företaget behåller båda alternativen visar på en viss försiktighet: Inte alla användare accepterar designändringar omedelbartOch övergången till ett enda gränssnitt kan skapa motstånd bland dem som redan vant sig vid det tidigare flödet. Därför erbjuder uppdateringen nya funktioner utan att stänga dörren till tidigare vanor.
Påverkan på produktivitet, startups och användningsområden i Europa
Att samla röst och text i ett enda fönster förbättrar inte bara bekvämligheten för hemanvändare; det öppnar också upp nya möjligheter för startups och team som arbetar med automatiseringAtt kunna kombinera diktering, talade svar och visuellt innehåll i ett enda gränssnitt förenklar skapandet av assistenter och konversationsverktyg.
I ett europeiskt sammanhang kan denna integration vara särskilt användbar i hybrid- och distansarbetsmiljöerdär möjligheten att göra snabba röstfrågor samtidigt som man granskar dokument, kartor eller dashboards på skärmen värderas alltmer. Sektorer som kundtjänst, onlineutbildning eller teknisk support kan dra nytta av denna multimodala strategi.
För grundare och tekniska team, att ha tillgång till En enda miljö för text och röst underlättar koncepttestning och utveckling av produkter som integrerar röstinmatning utan behov av att designa separata gränssnitt. Även med verktyg utan kod är det enklare att experimentera med assistenter som kombinerar diktering, talade svar och visuella element inom samma arbetsflöde.
Dessutom finns det ett röstläge som är tillgängligt från webbversionen och mobilappar. sänker tillgänglighetshinder För personer som föredrar att inte skriva på tangentbordet eller som har synsvårigheter, att kunna höra svaren utan att ge upp visuell information när de behöver den.
Flytten passar in i en AI-bransch som, både i Spanien och på resten av kontinenten, upplever en period av expansion i användning och investeringarDe stora plattformarna, inklusive OpenAI, konkurrerar om att erbjuda mer kompletta och lättare upplevelser att använda, medvetna om att små förbättringar i användbarhet kan göra hela skillnaden för massanvändning.
Med denna förändring tar ChatGPT ytterligare ett steg mot en En verkligt multimodal interaktion, där tal, läsning och visning av innehåll sker på samma platsMöjligheten att välja mellan ett integrerat gränssnitt eller ett separat läge, i kombination med förbättringar i rösternas hastighet och naturlighet, gör att assistenten är bekvämare för daglig användning, både av enskilda användare och organisationer som vill introducera röst i sina arbetsflöden utan ytterligare komplikationer.
Passionerad författare om bytesvärlden och tekniken i allmänhet. Jag älskar att dela med mig av min kunskap genom att skriva, och det är vad jag kommer att göra i den här bloggen, visa dig alla de mest intressanta sakerna om prylar, mjukvara, hårdvara, tekniska trender och mer. Mitt mål är att hjälpa dig att navigera i den digitala världen på ett enkelt och underhållande sätt.