مرداد
اخبار
ChatGPT Voice روی دسکتاپ: کنترل هوش مصنوعی با صدا
دسته · هوش مصنوعی
اوپنایآی قابلیت صوتی ChatGPT را به اپلیکیشن دسکتاپ آورد؛ حالا با صدا میتوانید رایانهتان را کنترل کنید، عوامل هوش مصنوعی را هدایت کنید و بدون دست کد بنویسید.
لیست مطالب
۱. ChatGPT Voice دسکتاپ: گامی نو در تعامل انسان و ماشین
اوپنایآی در روز پنجشنبه، ۲۴ جولای ۲۰۲۶، رسماً اعلام کرد که قابلیت صوتی ChatGPT، معروف به ChatGPT Voice، اکنون برای کاربران اپلیکیشن دسکتاپ در دسترس است. این اعلامیه که در بستر اخبار هوش مصنوعی بهسرعت پخش شد، نشانهی یک تغییر بنیادین در نحوهی تعامل کاربران با ابزارهای هوش مصنوعی است.
تا پیش از این، قابلیت مکالمهی صوتی با ChatGPT تنها از طریق اپلیکیشن موبایل iOS و Android امکانپذیر بود. کاربرانی که پشت رایانهی خود کار میکردند، مجبور بودند به تایپ کردن بسنده کنند. اما با این بهروزرسانی، مرز میان تعامل صوتی و محیط کار دسکتاپ برداشته شده است.
به گفتهی اوپنایآی، هدف از این قابلیت آن است که ChatGPT به یک «همکار صوتی» تبدیل شود که میتوانید در حین کار، تحقیق، کدنویسی یا طراحی با آن صحبت کنید، بدون اینکه نگاهتان را از صفحه بگیرید یا دستتان را از صفحهکلید بردارید.
۲. مدل GPT-Live چیست و چرا مهم است؟
قلب این قابلیت جدید، مدل GPT-Live است. این مدل بر اساس معماری کاملاً متفاوتی نسبت به سیستمهای صوتی قدیمیتر ساخته شده و یک مکالمهی دوطرفه و بلادرنگ (Full-Duplex) را ممکن میسازد.
در سیستمهای قدیمی، کاربر حرف میزد، سیستم گوش میداد، سپس پاسخ میداد. اما GPT-Live مثل یک انسان رفتار میکند: میتواند در حین صحبت کردن شما گوش دهد، در صورت لزوم میان صحبتتان حرف بزند، و مکالمهای کاملاً طبیعی را تجربه کند. این رویکرد «Full-Duplex» در تاریخچهی اوپنایآی یک نقطهی عطف محسوب میشود.
GPT-Live همچنین قادر است صدا، لحن و احساسات را درک کند. اگر با لحن هیجانزده صحبت کنید، پاسخ متفاوتی نسبت به لحن آرام دریافت میکنید. این سطح از درک زبانی، تجربهی کاربری را به شکل چشمگیری بهبود میبخشد.
۳. خواندن صفحهنمایش Mac: چشمهای دیجیتال ChatGPT
یکی از ویژگیهای برجستهای که در نسخهی Mac این قابلیت وجود دارد، توانایی خواندن و تحلیل صفحهنمایش است. ChatGPT میتواند با دسترسی به محتوای صفحه، ببیند شما روی چه پروژهای کار میکنید و بر اساس آن پیشنهاد بدهد یا سوالهایتان را در زمینهای دقیقتر پاسخ بدهد.
این قابلیت که به «Screen Awareness» یا آگاهی از صفحه معروف است، به ChatGPT اجازه میدهد خطاهای کد را مستقیماً از محیط IDE شما ببیند، محتوای مقالهای که در حال ویرایش آن هستید را تحلیل کند، یا دادههای یک صفحهگسترده را بدون اینکه نیاز باشد چیزی را کپیپیست کنید، بررسی نماید.
جهت آشنایی با سایر قابلیتهای پیشرفتهی هوش مصنوعی، بخش آموزشهای ChatGPT را ببینید.
۴. کنترل صوتی عوامل هوش مصنوعی: دستور دادن با کلام
شاید جذابترین بخش این بهروزرسانی، امکان کنترل صوتی AI Agents باشد. با این قابلیت، کاربران میتوانند بهجای تایپ دستورالعملهای طولانی، بهسادگی با ChatGPT صحبت کنند و به آن بگویند کدام عامل هوش مصنوعی باید کدام وظیفه را انجام دهد.
بهعنوان مثال، میتوانید بگویید: «یک تابع Python برای پردازش فایل CSV بنویس، آن را تست کن و نتایج را در یک فایل جدید ذخیره کن.» ChatGPT این دستور را میشنود، آن را تفسیر میکند و به Codex یا سایر عوامل هوش مصنوعی منتقل میکند تا اجرا شود.
این رویکرد با مفهوم هوش مصنوعی در دنیای واقعی کاملاً همسو است؛ جایی که هوش مصنوعی نه فقط یک مشاور، بلکه یک مجری فعال وظایف است.
۵. کدنویسی دستآزاد با Codex: آیندهی برنامهنویسی
یکی از کاربردهای ویژهای که VentureBeat و سایر رسانههای فناوری به آن توجه ویژه داشتند، کدنویسی Hands-Free با استفاده از Codex است. Codex سیستم خودکار کدنویسی اوپنایآی است که اکنون میتوان از طریق دستورات صوتی به آن دسترسی داشت.
برنامهنویسان میتوانند در حین کار روی یک پروژه، مشکلات را بهصورت شفاهی شرح دهند و Codex راهحلها را پیشنهاد دهد یا مستقیماً کد بنویسد. این ویژگی برای کسانی که مشکل تایپ کردن دارند یا میخواهند جریان تفکرشان را بدون وقفه حفظ کنند، انقلابی است.
برای یادگیری نوشتن پرامپتهای بهتر برای بهرهگیری از این قابلیتها، راهنمای نوشتن پرامپت را مطالعه کنید.
۶. در دسترس چه کسانی است؟
در حال حاضر، ChatGPT Voice روی دسکتاپ برای کاربران اشتراکهای زیر در دسترس است:
- ChatGPT Plus: دسترسی کامل با محدودیتهای ماهانه
- ChatGPT Pro: دسترسی نامحدود با اولویت سرور
- ChatGPT Team: برای تیمهای کاری با مدیریت مرکزی
اوپنایآی اعلام کرده که کاربران Enterprise نیز در هفتههای آینده به این قابلیت دسترسی خواهند داشت. کاربران رایگان در حال حاضر از این قابلیت بهرهمند نمیشوند، اما شرکت برنامههایی برای گسترش آن در آینده دارد.
این ویژگی روی سیستمعاملهای macOS نسخهی ۱۲ به بالا و Windows 10 و ۱۱ قابل استفاده است. نیاز به نصب آخرین نسخهی اپلیکیشن دسکتاپ ChatGPT دارید.
۷. تفاوت با نسخهی موبایل
نسخهی موبایل ChatGPT Voice مدتهاست وجود دارد، اما نسخهی دسکتاپ تفاوتهای قابل توجهی دارد. نخستین تفاوت، آگاهی از صفحه است که در موبایل موجود نبود. دوم اینکه یکپارچگی با ابزارهای کاری مانند Codex و AI Agents در نسخهی دسکتاپ به مراتب عمیقتر است.
در موبایل، Voice Mode بیشتر برای مکالمهی روزمره و پرسش و پاسخ ساده استفاده میشود. اما دسکتاپ بهگونهای طراحی شده که یک «دستیار کار» واقعی باشد؛ ابزاری که در طول روز کاری در کنارتان است و میتوانید بدون قطع جریان کار با آن ارتباط برقرار کنید.
برای مقایسه با سایر ابزارهای هوش مصنوعی موجود، مقالهی مقایسه ChatGPT و DeepSeek را بخوانید.
۸. تأثیر بر کسبوکارها: چرا این خبر مهم است؟
از منظر تجاری، این بهروزرسانی میتواند تأثیر قابل توجهی داشته باشد. کارمندان شرکتها اکنون میتوانند در حین جلسههای آنلاین، با ChatGPT صحبت کنند و فوری اطلاعات، پیشنویسها یا تحلیلها را دریافت کنند. این مسئله در بحث اهمیت هوش مصنوعی در کسبوکار جایگاه مهمی دارد.
علاوه بر این، برای توسعهدهندگان مستقل که اغلب بهتنهایی کار میکنند، داشتن یک دستیار صوتی که بتوان در هر لحظه با آن مشورت کرد، بهرهوری را به شکل چشمگیری افزایش میدهد. تخمینهای اولیه نشان میدهد که استفاده از ابزارهای صوتی هوش مصنوعی میتواند تا ۳۰ درصد از زمان تایپ و جستجو بکاهد.
۹. سوالات متداول
آیا ChatGPT Voice روی دسکتاپ به اینترنت نیاز دارد؟
بله، ChatGPT Voice یک ویژگی ابری است و برای کارکرد نیاز به اتصال اینترنت دارد. تمام پردازشها روی سرورهای اوپنایآی انجام میشود.
آیا مکالمات صوتی ذخیره میشوند؟
اوپنایآی اعلام کرده که کاربران میتوانند تنظیمات حریم خصوصی را مدیریت کنند و در صورت تمایل، ذخیرهسازی مکالمات را غیرفعال نمایند. توصیه میشود تنظیمات Privacy را در اپلیکیشن بررسی کنید.
آیا زبان فارسی پشتیبانی میشود؟
ChatGPT Voice از زبانهای متعددی پشتیبانی میکند و فارسی نیز در میان آنهاست، اگرچه کیفیت تشخیص گفتار فارسی ممکن است در برخی لهجهها متفاوت باشد.
آیا این قابلیت رایگان است؟
خیر، در حال حاضر ChatGPT Voice روی دسکتاپ فقط برای کاربران Plus، Pro و Team در دسترس است. کاربران رایگان باید منتظر اعلامیههای بعدی اوپنایآی باشند.
آیا میتوان چندین زبان را در یک مکالمه استفاده کرد؟
بله، GPT-Live بهطور هوشمندانه تغییر زبان در یک مکالمه را پشتیبانی میکند. میتوانید از فارسی به انگلیسی تغییر دهید و سیستم بهطور خودکار تطبیق پیدا میکند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
