فراتر از خبر،نزدیک‌تر به حقیقت
قیمت‌ها
تصویر: Samuel Boivin/NurPhoto از طریق Getty Images؛ به نقل از تک‌کرانچ
هوش مصنوعی

چت‌جی‌پی‌تی دیکته زنده را برای همه کاربران فعال می‌کند

اوپن‌ای‌آی دیکته زنده را برای همه طرح‌های ChatGPT عرضه می‌کند؛ متن هنگام صحبت ظاهر می‌شود و محدودیت پیشین ضبط ۱۰ دقیقه‌ای برداشته شده است.

سمانه محمودی ۴ دقیقه مطالعه ۲۰ نوامبر ۲۰۲۶

تکنونما | هوش مصنوعی | ۲۰ نوامبر ۲۰۲۶

اوپن‌ای‌آی در ۱۸ نوامبر ۲۰۲۶ قابلیت Live Dictation را برای چت‌جی‌پی‌تی معرفی کرد تا گفتار کاربر هم‌زمان با صحبت‌کردن به متن تبدیل شود. این به‌روزرسانی محدودیت قبلی ۱۰ دقیقه‌ای ضبط برای دیکته را حذف می‌کند و به‌تدریج روی وب، رایانه و گوشی برای همه طرح‌های اشتراک، از جمله نسخه رایگان، در دسترس قرار می‌گیرد.

تا پیش از این تغییر، فرایند معمول دیکته در بسیاری از موقعیت‌ها به پایان گفتار یا تکمیل ضبط وابسته بود. اکنون کاربر می‌تواند جمله‌های گفته‌شده را همان لحظه روی صفحه ببیند. با انتخاب شکل موج صدا، متن زنده نمایش داده یا پنهان می‌شود و پس از پایان صحبت امکان ویرایش آن در کادر پیام وجود دارد. کاربر همچنان تصمیم می‌گیرد چه زمانی متن را برای مدل ارسال کند؛ تبدیل گفتار به متن به‌معنی ارسال خودکار درخواست نیست.

اوپن‌ای‌آی در یادداشت رسمی انتشار خود اعلام کرده حذف سقف ۱۰ دقیقه‌ای بخشی از تلاش برای سریع‌تر و قابل‌اعتمادترکردن دیکته است. این شرکت سقف زمانی تازه و مشخصی را به‌جای محدودیت قبلی اعلام نکرده است. بنابراین عبارت «ضبط نامحدود در همه شرایط» دقیق نیست؛ اتصال اینترنت، محدودیت‌های فنی دستگاه و سیاست‌های استفاده همچنان ممکن است بر عملکرد اثر بگذارند.

تفاوت دیکته زنده با مکالمه صوتی

Live Dictation را نباید با Voice Mode یکسان دانست. در دیکته، هدف اصلی تولید متن از سخنان کاربر است؛ متن در محل تایپ درخواست ظاهر می‌شود و می‌توان آن را بازخوانی و اصلاح کرد. در مکالمه صوتی، کاربر و دستیار به‌صورت گفتاری با یکدیگر تعامل می‌کنند و پاسخ دستیار نیز ممکن است به شکل صدا ارائه شود. تفاوت این دو تجربه برای کارهایی مانند نگارش گزارش، ارسال دستور دقیق و اصلاح نام‌ها اهمیت دارد.

قابلیت تازه همچنین با Record Mode تفاوت دارد. حالت ضبط برای یادداشت‌برداری از جلسه و تهیه متن یا خلاصه از گفت‌وگوهای طولانی طراحی شده و شرایط دسترسی مخصوص خود را دارد. دیکته زنده در عوض در کادر پیام معمولی قرار می‌گیرد تا کاربر بتواند درخواست خود را بدون تایپ‌کردن بسازد. وجود Live Dictation به معنی فعال‌شدن خودکار تمام امکانات ضبط جلسه برای همه حساب‌ها نیست.

در کاربردهای روزانه، کاربران می‌توانند متن طولانی را با گفتار وارد کنند، سپس نشانه‌گذاری، اسامی خاص یا عددها را پیش از ارسال اصلاح کنند. برای خبرنگاران، پژوهشگران و افرادی که متن‌های مفصل می‌نویسند، دیدن جمله هم‌زمان با بیان آن ممکن است خطا را زودتر آشکار کند. این مزیت فقط زمانی محقق می‌شود که تشخیص گفتار، به‌خصوص برای نام‌های خارجی، اصطلاحات تخصصی و اعداد، از دقت کافی برخوردار باشد.

درباره فارسی نیز باید میان عرضه جهانی و کیفیت پشتیبانی از زبان تفاوت گذاشت. اوپن‌ای‌آی اعلام کرده انتشار این قابلیت جهانی است، اما در اطلاعیه کوتاه مربوط به نوامبر نتایج مستقلی از دقت دیکته فارسی یا زبان‌های مختلف ارائه نکرده است. کیفیت تبدیل گفتار می‌تواند تحت تأثیر گویش، سرعت صحبت، نویز محیط و کیفیت میکروفن قرار گیرد. بنابراین بهتر است متن‌های حساس، عددهای مالی یا نام اشخاص پیش از ارسال بازبینی شوند.

دسترسی روی گوشی و رایانه

بر اساس یادداشت رسمی، عرضه برای کاربران iOS، اندروید، نسخه وب و برنامه دسکتاپ شروع شده است. این به‌روزرسانی برای همه طرح‌های چت‌جی‌پی‌تی برنامه‌ریزی شده، اما انتشار تدریجی به این معناست که ممکن است همه کاربران در یک ساعت واحد گزینه تازه را نبینند. روشن‌بودن مجوز میکروفن در سیستم‌عامل و استفاده از نسخه پشتیبانی‌شده برنامه نیز برای تجربه صوتی ضروری است.

حذف محدودیت ده دقیقه‌ای برای کسانی اهمیت بیشتری دارد که افکار خود را در قطعات طولانی بیان می‌کنند. بااین‌حال یک متن طولانی تبدیل‌شده به گفتار، الزاماً درخواست دقیق‌تری به مدل نمی‌سازد. مشخص‌کردن هدف، زمینه، محدودیت‌ها و خروجی مورد انتظار هنوز ضروری است. نمایش هم‌زمان متن امکان می‌دهد کاربر هنگام صحبت تصمیم بگیرد بخش‌های زائد را حذف و ساختار درخواست را اصلاح کند.

از منظر دسترس‌پذیری، ورود متن با صدا می‌تواند به افرادی کمک کند که تایپ‌کردن طولانی برایشان دشوار است. البته نباید این قابلیت را جایگزین تمامی امکانات صفحه‌خوان یا کنترل صوتی سیستم‌عامل دانست. تجربه افراد دارای نیازهای دسترس‌پذیری به زبان رابط، اندازه کنترل‌ها و امکان مدیریت ضبط بستگی دارد. شرکت هنوز برای این تغییر آمار عمومی از کاهش خطا یا افزایش سرعت در گروه‌های مختلف کاربران منتشر نکرده است.

ورود گفتار به یک سرویس هوش مصنوعی موضوع حریم خصوصی را نیز مطرح می‌کند. کاربر باید بداند میکروفن چه زمانی فعال است، چگونه آن را متوقف کند و آیا در محیط شلوغ احتمال ضبط صدای دیگران وجود دارد یا نه. برای متن‌های کاری محرمانه بهتر است پیش از دیکته سیاست‌های سازمانی و تنظیمات حساب بررسی شود. دیکته زنده ابزار ورود اطلاعات است و به‌خودی‌خود مجوز ارسال داده‌های حساس را ایجاد نمی‌کند.

اوپن‌ای‌آی در اطلاعیه خود جزئیات نسخه‌های نرم‌افزاری یا زمان اتمام عرضه تدریجی را مشخص نکرده است. کاربران می‌توانند با مشاهده گزینه دیکته و امکان دیدن متن روی شکل موج صدا، فعال‌شدن قابلیت را در حساب خود بررسی کنند. نقطه مهم این به‌روزرسانی آن است که متن پیش از ارسال قابل مشاهده و ویرایش باقی می‌ماند.

در همین زمینه: گزارش رونما درباره دیکته هوشمند در گوشی‌های گوگل.

منابع

هم‌رسانی تلگرام ایکس واتس‌اپ

کنجکاوی‌تان را ادامه دهید

سه مطلب تازه از تکنونما؛ از هوش مصنوعی تا گجت‌هایی که فردا در دست شماست.

همه روایت‌های تکنونما