La réponse courte
Le mode vocal est une conversation orale en temps réel : vous parlez, le modèle répond à voix haute, et vous pouvez l'interrompre. Chaque formule payante inclut des minutes vocales : 10 par mois sur Starter, 80 sur Pro, et 500 sur Powerhouse.
La session produit une transcription qui atterrit dans votre historique de discussion, si bien qu'une conversation orale reste relisible ensuite, comme une conversation écrite. Les minutes vocales sont comptées sur leur propre compteur et ne consomment pas de crédits.
Démarrer et contrôler une session
Ouvrez le mode vocal depuis la discussion, et la session se connecte et commence à écouter. Il n'y a pas d'étape « appuyer pour parler » : vous commencez simplement à parler. Les réponses arrivent avec une seule voix préréglée, une voix chaleureuse nommée Sulafat, et la voix fonctionne sur l'API Gemini Live : Whizi génère un jeton de session de courte durée et votre navigateur diffuse l'audio directement vers Google, si bien qu'aucun audio ne passe par les serveurs de Whizi.
Les contrôles pendant une session sont volontairement minimaux. Vous pouvez couper le micro, ce qui l'empêche de vous entendre sans mettre fin à la session, et vous pouvez terminer la session entièrement. L'indicateur d'état montre si Whizi est en train d'écouter ou de parler, ce qui compte plus qu'il n'y paraît, parce que savoir si l'on a été entendu est l'essentiel de ce qui rend une interface vocale supportable.
Parce que la conversation se déroule en temps réel plutôt que par tours, vous pouvez couper la parole pendant que le modèle parle encore, comme vous le feriez avec une personne. Sans cela, il faudrait attendre la fin d'une longue réponse erronée avant de pouvoir la rediriger.
La transcription peut être ouverte dans la discussion à tout moment, y compris en pleine session. C'est la porte de sortie quand quelque chose doit être précis : lire ce qui a réellement été capté plutôt que de supposer. La reconnaissance vocale des noms, des chiffres et des termes techniques est le point faible de toute interface vocale, si bien qu'un coup d'œil à la transcription en cours de session est le moyen le plus rapide de repérer une erreur d'écoute avant qu'elle n'influence la réponse suivante.
Comment les minutes sont comptées
Les minutes comptent le temps de session, et l'allocation est comptée par compte et se réinitialise avec votre période de facturation. Une seule session dure au maximum 15 minutes : l'appel de démarrage réserve du temps sur votre allocation et indique à la session sa durée maximale possible, donc si vos minutes restantes sont inférieures à ce plafond, la session est raccourcie en conséquence.
L'allocation suit la formule : 10 minutes par mois sur Starter, 80 sur Pro, et 500 sur Powerhouse. Les comptes gratuits n'en ont aucune. Powerhouse revient à un peu plus de huit heures par mois, soit environ vingt minutes chaque jour ouvré. Les conversations vocales sont naturellement courtes, le format convient à des échanges de cinq minutes plutôt qu'à des sessions d'une heure, si bien que les formules supérieures sont rarement une contrainte réelle.
Couper le micro n'arrête pas le compteur. Terminer la session, si. Si vous vous éloignez, terminez la session plutôt que de simplement couper le micro.
Les minutes vocales sont une allocation qui leur est propre et ne puisent dans rien d'autre. Les minutes vocales, les crédits et les générations d'images sont des compteurs séparés qui ne partagent pas de réserve commune, si bien qu'une longue conversation orale ne réduit pas le nombre de messages Claude ou GPT que vous pouvez envoyer ce mois-ci. Cela signifie aussi qu'un compte qui a épuisé ses crédits garde tout de même ses minutes vocales, et qu'un compte qui a épuisé son allocation vocale peut toujours écrire.
La transcription laissée par une session est une discussion ordinaire, elle ne coûte donc rien de plus à conserver et se trouve dans votre historique aux côtés de tout ce que vous avez tapé.
Ce que la voix fait vraiment mieux
La voix n'est pas une version plus rapide de la frappe au clavier, et l'utiliser ainsi est décevant. Trois cas où elle l'emporte vraiment :
Réfléchir à voix haute. Réfléchir à un problème que vous n'avez pas encore structuré est bien plus facile à l'oral qu'à l'écrit, parce que vous n'avez pas à vous engager sur une phrase avant de savoir où elle mène. La transcription obtenue ensuite décrit généralement mieux le problème que ce que vous auriez écrit.
Mains occupées ou yeux ailleurs. Cuisiner, conduire, marcher, ou effectuer une tâche physique. C'est le cas évident, et il est bien réel.
Répéter une conversation. Des réponses d'entretien, un message délicat à un client, un pitch. Le dire à voix haute et entendre une réponse fait ressortir les tournures maladroites qui semblent correctes sur la page.
Là où elle perd : tout ce qui touche au code, aux chiffres exacts, aux noms difficiles à épeler, ou à un long résultat structuré que vous voudrez copier. Tapez cela au clavier.
| Ce que vous faites | Oral ou écrit | Pourquoi |
|---|---|---|
| Réfléchir à un problème que vous n'avez pas encore structuré | Oral | Vous n'avez pas à vous engager sur une phrase avant de savoir où elle mène |
| Cuisiner, conduire, marcher, ou effectuer une tâche physique | Oral | Les mains sont occupées et les yeux ailleurs, et la transcription reste dans votre historique ensuite |
| Répéter des réponses d'entretien, un message délicat, ou un pitch | Oral | Le dire à voix haute fait ressortir les tournures maladroites qui semblent correctes sur la page |
| Code, chiffres exacts, noms difficiles à épeler, long résultat que vous copierez | Écrit | La reconnaissance vocale est la plus faible sur les noms, les chiffres et les termes techniques |
- Chaque formule payante inclut la voix : 10 minutes sur Starter, 80 sur Pro, 500 sur Powerhouse
- Une seule session dure au maximum 15 minutes
- La voix ne consomme pas de crédits, elle a son propre compteur
- Couper le micro n'arrête pas le compteur, terminer la session le fait
- La transcription atterrit dans l'historique de discussion et reste relisible
- Utilisez la frappe pour le code, les chiffres exacts et tout ce que vous voudrez copier
Questions fréquentes
Quelle formule inclut le mode vocal ?
Chaque formule payante inclut le mode vocal, et les comptes gratuits n'ont aucune minute vocale. C'est l'allocation qui change avec la formule : Starter inclut 10 minutes vocales par mois, Pro en inclut 80, et Powerhouse en inclut 500, avec une réinitialisation à chaque période de facturation.
Les minutes vocales sont-elles prélevées sur mes crédits ?
Non. La voix a son propre compteur de minutes et ne consomme aucun crédit, si bien qu'une longue conversation orale ne réduit pas le nombre de messages Claude ou GPT que vous pouvez envoyer. Les minutes vocales, les crédits et les générations d'images sont des allocations séparées qui ne partagent pas de réserve commune.
Puis-je voir ce que j'ai dit lors d'une session vocale ?
Oui. Chaque session produit une transcription qui va dans votre historique de discussion, et vous pouvez l'ouvrir pendant la session comme après. Ce coup d'œil en cours de session vaut la peine dès que la précision compte : les noms, les chiffres et les termes techniques sont ce que la reconnaissance vocale rate le plus souvent.
Puis-je interrompre le modèle pendant qu'il parle ?
Oui, la conversation se déroule en temps réel plutôt que par tours, si bien que vous pouvez couper la parole comme vous le feriez avec une personne, et le modèle s'arrête au lieu de terminer une longue réponse erronée que vous auriez sinon dû attendre.