‏حالت صوتی تعاملی به کلود اومد

تو این مقاله اومده که آنتروپیک یه تجربهٔ گفتگوی صوتی واقعی رو به نسخهٔ وب کلود اضافه کرده. تا قبل از این، کلود فقط ورودی صوتی داشت؛ یعنی حرف می‌زدی و حرفت به متن تبدیل می‌شد. چیزی که کم بود، مکالمهٔ دوطرفهٔ زنده بود؛ همون حالتی که مدل هم با صدا جواب می‌ده و تجربه‌ش به یه تماس تلفنی نزدیک‌تره تا پنجرهٔ چت.

نویسنده تأکید می‌کنه این تفاوت مهمه، چون حرف‌زدن پهنای باند بیشتری از تایپ داره: سریع‌تر منظورت رو می‌رسونی و وقتی دستت بنده یا داری بلندبلند فکر می‌کنی، اصطکاک کمتری داره. به گفتهٔ نویسنده، نبود این حالت یه ضعف واقعی بود، نه یه کمبود ظاهری.

در مقابل، به‌روزرسانی صوتی ChatGPT محدود به وب نبود و روی همهٔ سطح‌ها اومد: وب، موبایل با ورودی زندهٔ دوربین، و اپ دسکتاپ که سه بخش چت، work و Codex رو یکجا داره و صدا تو هر سه‌شون کار می‌کنه. یعنی می‌شه حین کدنویسی یا کارهای agentic هم با مدل حرف زد؛ چیزی که کلود فعلاً نداره.

هیچ‌کدوم هم بی‌نقص نیستن. به گفتهٔ مقاله، مدل صوتی جدید ChatGPT هنوز همه‌جا ویدیوی زنده و اشتراک صفحه رو پشتیبانی نمی‌کنه و هر بار یه گفتگوی تازه شروع می‌کنه، پس کانتکست پروژه و فایل‌های پیوست با خودش نمی‌آد؛ راه‌حل موقتش ریختن قواعد توی custom instructions حساب کاربریه که سقفش به ۵۰۰۰ کاراکتر رسیده. محدودیت کلود هم دامنه‌شه: فقط چت وب.

جمع‌بندی نویسنده اینه که برای کسی که بیشتر از مرورگر با کلود کار می‌کنه، این آپدیت ارزشمنده و ضعیف‌ترین بخش تجربه رو درست کرده؛ ولی اگه گردش کارت به کنترل صوتی روی ابزارهای کدنویسی یا کارهای agentic وابسته‌ست، فعلاً ChatGPT گزینهٔ کامل‌تریه.

نکات کلیدی:

• گفتگوی صوتی تعاملی به اپ وب کلود اضافه شد؛ قبلاً فقط ورودی صوتی (تبدیل گفتار به متن) داشت.
• فعلاً نشونه‌ای از این حالت روی موبایل، دسکتاپ یا ابزارهای کدنویسی کلود دیده نمی‌شه.
• صدای ChatGPT روی وب، موبایل و دسکتاپ و در هر سه بخش چت، work و Codex کار می‌کنه.
• حالت صوتی دسکتاپ ChatGPT می‌تونه از صفحه اسکرین‌شات بگیره و درباره‌ش توضیح بده.
• گفتگوی صوتی هر بار از یه مکالمهٔ تازه شروع می‌شه و کانتکست پروژه رو با خودش نمی‌بره.