مرداد
اخبار
تحول حالت صوتی کلود؛ اتصال به جیمیل، تقویم، اسلک و کانوا
آنتروپیک حالت صوتی کلود را از یک اسباببازی سرگرمکننده به ابزاری تبدیل کرد که میتواند واقعاً کاری انجام دهد. در بهروزرسانی تازه، مدلهای قدرتمند اوپوس و سونت به حالت صوتی اضافه شدهاند، پشتیبانی زبانی به ۱۱ زبان رسیده و مهمتر از همه، کلود میتواند با اجازهی شما به جیمیل، تقویم گوگل، گوگل داکس، اسلک و کانوا وصل شود. یعنی میتوانید بدون باز کردن هیچ اپلیکیشنی، با صدا ایمیلها را خلاصه کنید، جلسه جابهجا کنید یا سند بسازید.
لیست مطالب
۱) چه چیزی تغییر کرد؟
تا پیش از این بهروزرسانی، حالت صوتی کلود عملاً روی مدل هایکو اجرا میشد؛ سریعترین و سبکترین عضو خانواده که برای پاسخهای کوتاه عالی است اما در استدلال پیچیده محدودیت دارد. نتیجه این بود که بسیاری از کاربران حالت صوتی را برای پرسشهای ساده به کار میبردند و برای کار جدی سراغ نسخهی متنی میرفتند.
حالا این شکاف بسته شده است. کاربران میتوانند بین اوپوس، سونت و هایکو جابهجا شوند و این جابهجایی حتی وسط یک مکالمه هم ممکن است. پیشفرض سیستم هم هوشمندانه انتخاب شده: کلود از همان مدلی استفاده میکند که آخرین بار در گفتوگوی متنی به کار بردهاید. یعنی اگر عادت دارید کارهای سنگین را با اوپوس انجام دهید، حالت صوتی هم با همان شروع میشود.
در عمل این یعنی میتوانید موقع رانندگی یا پیادهروی سؤالی بپرسید که واقعاً نیاز به فکر کردن دارد — تحلیل یک قرارداد، بررسی یک تصمیم فنی، یا خلاصه کردن یک زنجیرهی ایمیل طولانی — و انتظار پاسخی در سطح نسخهی متنی داشته باشید.
۲) اتصال به ابزارهای کاری؛ مهمترین بخش ماجرا
قابلیتی که این بهروزرسانی را از یک ارتقای معمولی متمایز میکند، اتصال به سرویسهای کاری است. پس از اعطای دسترسی، کلود میتواند با جیمیل، تقویم گوگل، گوگل داکس، اسلک و کانوا کار کند. به گفتهی آنتروپیک، این یعنی کاربر میتواند ایمیلها را خلاصه کند، پاسخ پیشنویس بنویسد، جلسهها را جابهجا کند یا سند بسازد — همه با صدا.
سناریوی واقعیاش ساده است: میپرسید «جلسههای امروزم چیست؟» و کلود بهجای اینکه فقط تقویم را بخواند، میتواند همزمان ایمیلهای مرتبط را ببیند، خلاصهای از وضعیت بدهد و اگر خواستید همانجا پیامی در اسلک بفرستد. تفاوت با دستیارهای صوتی نسل قبل دقیقاً همین است: آنها یک دستور را در یک اپ اجرا میکردند، این یکی چند منبع را کنار هم میگذارد و بعد عمل میکند.
البته این قابلیت با یک هزینهی ذاتی همراه است: دسترسی. برای اینکه دستیاری بتواند ایمیل شما را خلاصه کند، باید ایمیل شما را بخواند. این معاملهای است که هر کاربر باید آگاهانه انجام دهد و بهتر است دسترسیها را به حداقل لازم محدود کند.
۳) یازده زبان، اما با یک شرط
پشتیبانی زبانی به ۱۱ زبان گسترش یافته است: انگلیسی، فرانسوی، آلمانی، هندی، اندونزیایی، ایتالیایی، ژاپنی، کرهای، پرتغالی برزیلی و دو گویش اسپانیایی (آمریکای لاتین و اروپا). فارسی هنوز در این فهرست نیست.
یک محدودیت مهم هم وجود دارد: تشخیص خودکار زبان فعال نیست. یعنی کاربر باید زبان را دستی انتخاب کند یا از کلود بخواهد زبان را عوض کند. برای کاربران چندزبانه که مدام بین دو زبان جابهجا میشوند، این اصطکاک محسوسی است.
۴) رایگان در برابر پولی؛ مرزها کجاست؟
تقسیمبندی دسترسی روشن است. کاربران رایگان به مدل هایکو، یک ابزار متصل و همهی زبانهای پشتیبانیشده دسترسی دارند. کاربران پولی میتوانند از اوپوس و سونت استفاده کنند و چند ابزار را همزمان متصل نگه دارند.
این معماری قیمتگذاری منطق مشخصی دارد: زبان بهعنوان یک قابلیت پایه برای همه باز است تا پایگاه کاربران جهانی رشد کند، اما قدرت مدل و عمق یکپارچگی — یعنی همان چیزی که بهرهوری واقعی میسازد — پشت اشتراک قرار گرفته است. الگویی که در ماههای اخیر تقریباً همهی بازیگران بزرگ به آن رسیدهاند.
۵) محدودیتی که هنوز پابرجاست؛ گفتوگوی نوبتی
مهمترین چیزی که در این بهروزرسانی تغییر نکرده، ساختار نوبتی مکالمه است. کلود گوش میدهد، پردازش میکند و بعد پاسخ میدهد. نمیتوانید وسط حرفش بپرید و مسیر را عوض کنید.
این تفاوت ظاهراً کوچک، در تجربهی کاربری اثر بزرگی دارد. گفتوگوی طبیعی انسانی پر از قطع کردن، تأیید کوتاه و تغییر مسیر ناگهانی است. سیستمهای صوتی تمامدوطرفه که امکان قطع کردن میدهند، حس طبیعیتری ایجاد میکنند اما پیادهسازیشان بهمراتب سختتر است و مصرف محاسباتی بالاتری دارد. انتخاب آنتروپیک اینجا محافظهکارانه بوده: پایداری و کیفیت پاسخ بهجای روانی مکالمه.
۶) این تغییر در کدام میدان رقابت رخ میدهد؟
حالت صوتی به یکی از میدانهای اصلی رقابت دستیارهای هوش مصنوعی تبدیل شده است. دلیلش هم روشن است: صدا تنها رابطی است که میتواند هوش مصنوعی را وارد لحظههایی کند که دست و چشم کاربر مشغول است — رانندگی، آشپزی، ورزش، پیادهروی. هر شرکتی که این لحظهها را تصاحب کند، سهم بزرگی از زمان روزانهی کاربر را به دست آورده است.
همزمان، فشار رقابتی از سمت مدلهای صوتی متنباز هم در حال افزایش است و بازیگران سختافزاری هم مدلهای صوتی سبک برای اجرای محلی عرضه میکنند. نتیجه این است که کیفیت پایهی صدا بهسرعت در حال کالایی شدن است و تمایز واقعی به جای دیگری منتقل میشود: اینکه دستیار به چه چیزی وصل است و چه کاری میتواند انجام دهد. حرکت آنتروپیک دقیقاً در همین جهت است.
۷) نکات امنیتی که باید جدی بگیرید
وقتی به یک دستیار اجازه میدهید ایمیل بخواند و پیام بفرستد، سطح حملهی جدیدی باز میشود. مهمترین ریسک، تزریق پرامپت از طریق محتوای ورودی است: تصور کنید ایمیلی دریافت میکنید که در متن آن دستوری پنهان شده و دستیار هنگام خلاصه کردن، آن دستور را بهعنوان درخواست شما تفسیر کند.
چند توصیهی عملی: دسترسیها را دانهدانه و فقط در صورت نیاز فعال کنید؛ برای حسابهای کاری حساس، ابتدا در یک حساب آزمایشی تجربه کنید؛ پیش از تأیید هر اقدام خروجی — مثل ارسال پیام یا حذف رویداد — متن نهایی را بشنوید یا ببینید؛ و دسترسیهای بلااستفاده را دورهای بازبینی و قطع کنید. بستر کلی این بحث را در توان و محدودیتهای واقعی هوش مصنوعی دنبال کنید.
۸) برای کاربر فارسیزبان چه معنایی دارد؟
نبود فارسی در فهرست ۱۱ زبان، محدودیت واقعی است. در عمل میتوانید حالت صوتی را به انگلیسی به کار ببرید و برای کارهای فارسی سراغ نسخهی متنی بروید. اما نکتهی مهمتر این است که جهت حرکت صنعت روشن شده: دستیار صوتی دیگر فقط پاسخدهنده نیست، بلکه مجری کار است.
کسانی که میخواهند از همین حالا آماده باشند، بهتر است روی مهارت طراحی درخواست تمرکز کنند؛ چون در تعامل صوتی، دقت جملهبندی اهمیت بیشتری پیدا میکند و امکان ویرایش متن وجود ندارد. راهنمای نوشتن پرامپت به زبان ساده و مجموعهی آموزشهای چتجیپیتی برای همین کار مفیدند. آخرین اخبار این حوزه هم در بخش اخبار منتشر میشود.
۹) چه چیزی را باید رصد کرد؟
سه نکته در ماههای آینده تعیینکننده است. نخست، خروج این قابلیت از حالت بتا و پایداری آن در استفادهی روزمره. دوم، افزوده شدن زبانهای تازه و بهویژه فعال شدن تشخیص خودکار زبان. سوم، اینکه آیا فهرست ابزارهای متصل گسترش پیدا میکند یا نه؛ هر سرویس تازهای که اضافه شود، ارزش عملی این حالت را چند برابر میکند. برای مقایسهی رویکرد بازیگران مختلف این حوزه هم مطلب چتجیپیتی در برابر دیپسیک زاویهی خوبی میدهد.
پرسشهای پرتکرار دربارهی حالت صوتی کلود
کدام مدلها در حالت صوتی در دسترساند؟
اوپوس، سونت و هایکو. کاربر میتواند وسط گفتوگو مدل را عوض کند و پیشفرض سیستم همان مدلی است که آخرین بار در گفتوگوی متنی استفاده کردهاید.
کلود به چه سرویسهایی وصل میشود؟
پس از اعطای دسترسی، به جیمیل، تقویم گوگل، گوگل داکس، اسلک و کانوا. با این اتصالها میتوان ایمیل خلاصه کرد، پاسخ پیشنویس نوشت، جلسه جابهجا کرد یا سند ساخت.
آیا از زبان فارسی پشتیبانی میشود؟
خیر. فهرست فعلی شامل انگلیسی، فرانسوی، آلمانی، هندی، اندونزیایی، ایتالیایی، ژاپنی، کرهای، پرتغالی برزیلی و دو گویش اسپانیایی است. تشخیص خودکار زبان هم فعال نیست و باید زبان را دستی انتخاب کنید.
کاربران رایگان چه چیزی دریافت میکنند؟
دسترسی به مدل هایکو، یک ابزار متصل و همهی زبانهای پشتیبانیشده. اوپوس، سونت و اتصال همزمان چند ابزار مخصوص کاربران پولی است.
آیا میتوان وسط حرف کلود پرید؟
خیر. مکالمه همچنان نوبتی است؛ کلود گوش میدهد، پردازش میکند و سپس پاسخ میدهد. امکان قطع کردن در جریان پاسخ فراهم نشده است.
