چگونه از حالت صوتی هوش مصنوعی کلود استفاده کنیم؟

آنتروپیک با توسعه حالت صوتی کلود امکان گفت‌وگوی صوتی با این چت‌بات را فراهم کرده است. این قابلیت اکنون علاوه بر مدل‌های سریع‌تر از مدل‌های قدرتمندتر سونت و اوپوس نیز پشتیبانی می‌کند و می‌تواند به اطلاعات برخی برنامه‌ها و سرویس‌های متصل به حساب کاربر دسترسی داشته باشد.

به گزارش گروه ترجمه خبرگزاری برنا به نقل از انگجت، شرکت آنتروپیک از سال ۲۰۲۵ قابلیت حالت صوتی را در چت‌بات کلود ارائه کرده است، قابلیتی که به کاربران اجازه می‌دهد به جای تایپ کردن درخواست‌ها با کلود صحبت کنند. این شرکت در ژوئیه ۲۰۲۶ این قابلیت را به‌روزرسانی کرد تا امکانات بیشتری در اختیار کاربران قرار گیرد.

در نسخه اولیه حالت صوتی کلود برای کاهش تاخیر کاربران را به استفاده از مدل Haiku محدود می‌کرد، اما اکنون این قابلیت با مدل‌های قدرتمندتر Sonnet و Opus نیز کار می‌کند. همچنین کلود در حالت صوتی می‌تواند از اطلاعات موجود در برخی برنامه‌ها و سرویس‌های متصل به حساب کاربر استفاده کند.

حالت صوتی کلود چگونه فعال می‌شود؟

حالت صوتی کلود در اپلیکیشن‌های موبایل این چت‌بات برای اندروید و iOS، اپلیکیشن دسکتاپ و همچنین نسخه وب در دسترس است. آنتروپیک اعلام کرده است که این قابلیت در گوشی هوشمند بهترین عملکرد را دارد.

برای استفاده از حالت صوتی در تلفن همراه کاربر باید ابتدا اپلیکیشن کلود را باز کند و سپس روی آیکون موج صوتی مشکی‌رنگ در گوشه پایین سمت راست رابط کاربری ضربه بزند. این آیکون با آیکون میکروفون که در کنار آن قرار دارد متفاوت است.

در صورت نیاز کاربر باید اجازه دسترسی برنامه به میکروفون را صادر کند. پس از آن می‌توان صحبت با کلود را آغاز کرد. چت‌بات پس از پایان صحبت کاربر، پاسخ خود را تولید می‌کند.

حالت صوتی تا زمانی که کاربر گزینه Stop را انتخاب نکند فعال باقی می‌ماند.

کلود هنوز مکالمه صوتی همزمان ندارد

یکی از نکات مهم درباره فناوری صوتی کلود نحوه پردازش مکالمه در این سرویس است. حالت صوتی کلود از معماری نوبتی (Turn-based) استفاده می‌کند. به این معنا که ابتدا به صحبت کاربر گوش می‌دهد و سپس پاسخ خود را تولید می‌کند.

این روش با حالت صوتی چت‌جی‌پی‌تی که اخیرا به معماری دوطرفه (Duplex) به‌روزرسانی شده تفاوت دارد. در معماری دوطرفه مدل‌های GPT-Live می‌توانند به شکل همزمان گفتار را پردازش کرده و خروجی تولید کنند.

در کلود این معماری نوبتی ممکن است باعث شود چت‌بات گاهی یک مکث کوتاه کاربر را به‌عنوان پایان سوال یا درخواست او در نظر بگیرد. به همین دلیل آنتروپیک توصیه می‌کند کاربران در صورت داشتن سوالات چندبخشی آنها را به‌جای مطرح کردن همزمان یکی‌یکی از کلود بپرسند.

انتخاب مدل هوش مصنوعی در حالت صوتی

کاربران می‌توانند مدلی را که کلود برای پاسخ‌گویی از آن استفاده می‌کند از طریق انتخاب‌گر مدل در قسمت پایین رابط کاربری تغییر دهند.

سه مدل اصلی در دسترس کاربران قرار دارد:

• Haiku: سریع‌ترین مدل برای دریافت پاسخ‌های سریع و انجام درخواست‌های ساده.

• Sonnet: گزینه‌ای متعادل و کارآمد برای استفاده‌های روزمره.

• Opus: مدل قدرتمندتر کلود برای انجام وظایف پیچیده که استفاده از آن به حساب‌های پولی محدود شده است.

کلود می‌تواند به Gmail و Slack دسترسی داشته باشد

یکی دیگر از قابلیت‌های حالت صوتی کلود امکان استفاده از برنامه‌ها و سرویس‌های متصل به حساب کاربر است. این قابلیت مشابه چت متنی کلود عمل می‌کند و می‌تواند سرویس‌هایی مانند Gmail، Google Calendar و Slack را شامل شود.

برای مثال کاربر می‌تواند از کلود بخواهد ایمیل‌های اخیر خود را خلاصه کند. کافی است در درخواست صوتی سرویس موردنظر را مشخص کند.

البته اگر کاربر برای نخستین بار بخواهد از یک برنامه یا سرویس شخص ثالث استفاده کند ابتدا باید مجوز دسترسی کلود به آن سرویس را صادر کند.

امکان تغییر صدا و زبان کلود

آنتروپیک تا ژوئیه ۲۰۲۶ پشتیبانی از حالت صوتی را به زبان‌های متعددی گسترش داده است. زبان انتخاب‌شده توسط کاربر بر گزینه‌های صوتی قابل انتخاب نیز تاثیر می‌گذارد.

کلود از زبان‌ها و گونه‌های زبانی زیر پشتیبانی می‌کند:

• انگلیسی

• انگلیسی هندی

• انگلیسی بریتانیایی

• چینی ساده‌شده

• کانتونی

• فرانسوی

• فرانسوی کانادایی

• آلمانی

• آلمانی اتریشی

• هندی

• ایتالیایی

• ژاپنی

• کره‌ای

• پرتغالی

• پرتغالی برزیلی

• پرتغالی پرتغال

• روسی

• اسپانیایی

• اسپانیایی آمریکای لاتین

• ترکی

• اوکراینی

در زبان انگلیسی کاربران می‌توانند از میان پنج صدای مختلف با نام‌های Buttery، Airy، Mellow، Glassy و Rounded انتخاب کنند. تعداد گزینه‌های صوتی در زبان‌های دیگر متفاوت است و برای مثال کاربران ژاپنی به دو گزینه صوتی محدود هستند.

کلود هنوز تغییر زبان در میانه جمله را تشخیص نمی‌دهد

یکی از محدودیت‌های فعلی حالت صوتی کلود این است که این چت‌بات نمی‌تواند به‌طور مطمئن تشخیص دهد کاربر در میانه یک جمله از زبانی به زبان دیگر تغییر داده است.

آنتروپیک توصیه می‌کند اگر کاربر قصد دارد زبان صحبت خود را تغییر دهد این موضوع را به‌صورت صوتی به کلود اعلام کند یا زبان موردنظر را از بخش Settings تغییر دهد.

برای تغییر زبان و صدای کلود کاربر باید وارد بخش تنظیمات شود و گزینه Voice را که در قسمت App قرار دارد انتخاب کند. امکان شنیدن نمونه صدای گزینه‌های مختلف نیز وجود دارد و کاربر می‌تواند با حرکت در نوار انتخاب صدا آنها را پیش‌نمایش کند.

سرعت صحبت کلود قابل تنظیم است

کاربران علاوه بر انتخاب صدا می‌توانند سرعت صحبت کردن کلود را نیز تغییر دهند. سه گزینه برای سرعت گفتار در نظر گرفته شده است:

• Slow: آهسته

• Normal: سرعت عادی

• Fast: سریع

همچنین کاربران می‌توانند نحوه ضبط درخواست‌های صوتی خود را انتخاب کنند. دو حالت Hands-free و Push-to-talk برای این منظور ارائه شده است.

آنتروپیک اعلام کرده است که حالت Hands-free بیشتر برای محیط‌های آرام و کم‌سروصدا مناسب است.

آیا برای استفاده از Voice کلود باید پول پرداخت کرد؟

استفاده از حالت صوتی کلود الزاما به خرید اشتراک Pro یا Max نیاز ندارد و کاربران رایگان نیز می‌توانند از این قابلیت استفاده کنند.

با این حال محدودیت‌هایی برای حساب‌های رایگان وجود دارد. کاربران رایگان می‌توانند درخواست‌های صوتی خود را از طریق مدل‌های Haiku و Sonnet پردازش کنند اما استفاده از مدل قدرتمندتر Opus به اشتراک پولی نیاز دارد.

آنتروپیک می‌گوید برای بیشتر درخواست‌های معمول مدل Sonnet می‌تواند سطح مناسبی از توانایی و هوشمندی را ارائه دهد.

در عین حال مکالمات صوتی در سهمیه استفاده کاربران محاسبه می‌شوند، بنابراین استفاده از Voice Mode می‌تواند از محدودیت مصرف حساب کاربر کم کند.

حساب‌های رایگان همچنین به یک اتصال محدود هستند هرچند کاربران این حساب‌ها می‌توانند از حالت صوتی در تمام زبان‌هایی که کلود پشتیبانی می‌کند استفاده کنند.

با توسعه حالت صوتی کلود، کاربران اکنون می‌توانند علاوه بر گفت‌وگوی صوتی با مدل‌های مختلف این چت‌بات از قابلیت‌هایی مانند انتخاب مدل، تغییر صدا و سرعت گفتار و دسترسی به سرویس‌های متصل نیز استفاده کنند. با این حال معماری نوبتی مکالمه و ناتوانی در تشخیص تغییر زبان در میانه جمله همچنان از محدودیت‌های این قابلیت به شمار می‌رود.

انتهای پیام/