छोटा सा जवाब
वॉइस मोड एक रियल-टाइम बोलकर होने वाली बातचीत है: आप बोलते हैं, मॉडल ज़ोर से जवाब देता है, और आप उसे बीच में रोक सकते हैं। हर पेड प्लान में वॉइस मिनट शामिल हैं: Starter पर हर महीने 10, Pro पर 80, और Powerhouse पर 500।
सेशन का एक ट्रांसक्रिप्ट बनता है जो आपकी चैट हिस्ट्री में आ जाता है, इसलिए बोली गई बातचीत भी बाद में टाइप की गई बातचीत की तरह दोबारा पढ़ी जा सकती है। वॉइस मिनट अपने अलग मीटर पर गिने जाते हैं और कोई क्रेडिट खर्च नहीं करते।
सेशन शुरू करना और नियंत्रित करना
चैट से वॉइस मोड खोलिए, और सेशन जुड़कर सुनना शुरू कर देता है। कोई पुश-टू-टॉक स्टेप नहीं है: आप बस बोलना शुरू कर देते हैं। जवाब एक तय आवाज़ में आते हैं, Sulafat नाम की एक गर्मजोश आवाज़, और वॉइस Gemini Live API पर चलता है: Whizi एक थोड़े समय के लिए चलने वाला सेशन टोकन बनाता है और आपका ब्राउज़र सीधे Google को ऑडियो स्ट्रीम करता है, इसलिए कोई भी ऑडियो Whizi के सर्वर से होकर नहीं गुज़रता।
सेशन के दौरान नियंत्रण जानबूझकर बहुत कम रखे गए हैं। आप माइक्रोफ़ोन म्यूट कर सकते हैं, जिससे सेशन खत्म हुए बिना उसे आपकी बात सुनना बंद हो जाता है, और आप पूरा सेशन भी खत्म कर सकते हैं। स्टेटस इंडिकेटर बताता है कि Whizi फिलहाल सुन रहा है या बोल रहा है, जो सुनने में जितना मामूली लगता है उससे कहीं ज़्यादा मायने रखता है, क्योंकि यह जान पाना कि आपकी बात सुनी गई है या नहीं, वॉइस इंटरफ़ेस को झेलने लायक बनाने में सबसे बड़ी भूमिका निभाता है।
क्योंकि यह बातचीत बारी-बारी की बजाय रियल-टाइम में होती है, आप मॉडल के बोलते समय भी बीच में बोल सकते हैं, ठीक वैसे ही जैसे किसी इंसान के साथ करते हैं। ऐसा न हो तो एक लंबा गलत जवाब पूरा सुनना पड़ता है, तभी उसे किसी और दिशा में मोड़ा जा सकता है।
ट्रांसक्रिप्ट को सेशन के दौरान कभी भी, यहां तक कि बीच में भी, चैट में खोला जा सकता है। जब कुछ सटीक जानना ज़रूरी हो तो यही निकास रास्ता है: मान लेने के बजाय यह पढ़िए कि असल में क्या दर्ज हुआ। नाम, नंबर और तकनीकी शब्दों पर स्पीच रिकग्निशन किसी भी वॉइस इंटरफ़ेस का सबसे कमज़ोर हिस्सा होता है, इसलिए सेशन के बीच में ट्रांसक्रिप्ट पर एक नज़र डालना, अगले जवाब को गलत दिशा में जाने से पहले किसी गलतफ़हमी को पकड़ने का सबसे तेज़ तरीका है।
मिनट कैसे गिने जाते हैं
मिनट सेशन के समय को गिनते हैं, और यह कोटा हर अकाउंट के हिसाब से गिना जाता है और आपके बिलिंग पीरियड के साथ रीसेट होता है। एक सेशन ज़्यादा से ज़्यादा 15 मिनट चलता है: स्टार्ट कॉल आपके कोटे में से समय आरक्षित कर लेता है और सेशन को बताता है कि वह कितनी देर चल सकता है, इसलिए जब आपके बचे हुए मिनट इससे कम हों, तो सेशन उसी हिसाब से छोटा कर दिया जाता है।
यह कोटा प्लान के हिसाब से तय होता है: Starter पर महीने में 10 मिनट, Pro पर 80, और Powerhouse पर 500। फ्री अकाउंट को कोई नहीं मिलता। Powerhouse का मतलब है महीने में लगभग आठ घंटे से थोड़ा ज़्यादा, यानी हर कामकाजी दिन करीब बीस मिनट। वॉइस बातचीतें स्वाभाविक रूप से छोटी होती हैं, यह फ़ॉर्मेट घंटे भर के सेशन के बजाय पांच मिनट के आदान-प्रदान के लिए बना है, इसलिए ऊपर के प्लान शायद ही कभी कोई असली रुकावट बनते हैं।
माइक्रोफ़ोन म्यूट करने से घड़ी नहीं रुकती। सेशन खत्म करने से रुकती है। अगर आप कहीं जा रहे हैं, तो म्यूट करने के बजाय सेशन खत्म कर दीजिए।
वॉइस मिनट अपना अलग कोटा हैं और किसी और चीज़ से नहीं जुड़े। वॉइस मिनट, क्रेडिट और इमेज जनरेशन अलग-अलग मीटर हैं जो कोई पूल साझा नहीं करते, इसलिए एक लंबी बोली गई बातचीत उस महीने आप कितने Claude या GPT मैसेज भेज सकते हैं, उसे कम नहीं करती। इसका यह भी मतलब है कि जिस अकाउंट के क्रेडिट खत्म हो चुके हैं उसके पास फिर भी वॉइस मिनट हैं, और जिस अकाउंट का वॉइस कोटा खत्म हो चुका है वह फिर भी टाइप कर सकता है।
सेशन के बाद बचा ट्रांसक्रिप्ट एक साधारण चैट होता है, इसलिए उसे रखने का कोई अतिरिक्त खर्च नहीं है और वह आपकी हिस्ट्री में उन सबके साथ रहता है जो आपने टाइप किया था।
वॉइस असल में किसमें बेहतर है
वॉइस टाइपिंग का तेज़ संस्करण नहीं है, और उसे उस तरह इस्तेमाल करना निराश करता है। तीन मामले जहां यह सचमुच जीतता है:
ज़ोर से सोचना। किसी ऐसी समस्या पर बात करना जिसे आपने अभी तक व्यवस्थित नहीं किया है, बोलकर लिखने से कहीं ज़्यादा आसान है, क्योंकि आपको यह जाने बिना कि वाक्य कहां खत्म होगा, उसे शुरू नहीं करना पड़ता। बाद में मिलने वाला ट्रांसक्रिप्ट अक्सर उस समस्या का बेहतर विवरण होता है, जितना आपने टाइप करके लिखा होता।
हाथ व्यस्त या नज़रें कहीं और। खाना बनाना, गाड़ी चलाना, टहलना, या कोई शारीरिक काम करना। यह सबसे साफ़ मामला है और यह असली है।
बातचीत का अभ्यास करना। इंटरव्यू के जवाब, किसी क्लाइंट को कोई मुश्किल मैसेज, कोई पिच। इसे ज़ोर से बोलना और जवाब सुनना उस अटपटी भाषा को सामने लाता है जो पन्ने पर पढ़ने में ठीक लगती है।
जहां यह हारता है: कोई भी कोड, सटीक नंबर, ऐसे नाम जिन्हें लिखना मुश्किल है, या लंबा व्यवस्थित आउटपुट जिसे आप कॉपी करना चाहेंगे। ये टाइप कीजिए।
| आप क्या कर रहे हैं | बोलकर या टाइप करके | क्यों |
|---|---|---|
| किसी ऐसी समस्या पर सोचना जिसे आपने अभी व्यवस्थित नहीं किया | बोलकर | आपको यह जाने बिना कि वाक्य कहां खत्म होगा, उसे शुरू नहीं करना पड़ता |
| खाना बनाना, गाड़ी चलाना, टहलना, या कोई शारीरिक काम करना | बोलकर | हाथ व्यस्त हैं और नज़रें कहीं और, और बाद में ट्रांसक्रिप्ट आपकी हिस्ट्री में है |
| इंटरव्यू के जवाब, कोई मुश्किल मैसेज, या पिच का अभ्यास | बोलकर | ज़ोर से बोलना उस अटपटी भाषा को सामने लाता है जो पन्ने पर ठीक लगती है |
| कोड, सटीक नंबर, मुश्किल नाम, वह लंबा आउटपुट जो आप कॉपी करेंगे | टाइप करके | स्पीच रिकग्निशन नाम, नंबर और तकनीकी शब्दों पर सबसे कमज़ोर है |
- हर पेड प्लान में वॉइस शामिल है: Starter पर 10 मिनट, Pro पर 80, Powerhouse पर 500
- एक सेशन ज़्यादा से ज़्यादा 15 मिनट चलता है
- वॉइस कोई क्रेडिट खर्च नहीं करता, इसका अपना मीटर है
- म्यूट करने से घड़ी नहीं रुकती, सेशन खत्म करने से रुकती है
- ट्रांसक्रिप्ट चैट हिस्ट्री में आता है और दोबारा पढ़ने लायक बना रहता है
- कोड, सटीक नंबर और जो कुछ आप कॉपी करेंगे उसके लिए टाइपिंग इस्तेमाल कीजिए
अक्सर पूछे जाने वाले सवाल
कौन सा प्लान वॉइस मोड शामिल करता है?
हर पेड प्लान में वॉइस मोड शामिल है, और फ्री अकाउंट को बिल्कुल कोई वॉइस मिनट नहीं मिलता। जो चीज़ टियर के साथ बदलती है वह है कोटा: Starter में हर महीने 10 वॉइस मिनट शामिल हैं, Pro में 80, और Powerhouse में 500, जो बिलिंग पीरियड के साथ रीसेट होते हैं।
क्या वॉइस मिनट मेरे क्रेडिट में से कटते हैं?
नहीं। वॉइस के मिनटों का अपना मीटर है और यह कोई क्रेडिट खर्च नहीं करता, इसलिए एक लंबी बोली गई बातचीत आप कितने Claude या GPT मैसेज भेज सकते हैं, उसे कम नहीं करती। वॉइस मिनट, क्रेडिट और इमेज जनरेशन अलग-अलग कोटे हैं जो कोई पूल साझा नहीं करते।
क्या मैं देख सकता हूं कि मैंने वॉइस सेशन में क्या कहा था?
हां। हर सेशन एक ट्रांसक्रिप्ट बनाता है जो आपकी चैट हिस्ट्री में चला जाता है, और आप इसे सेशन के दौरान और बाद में भी खोल सकते हैं। जब भी सटीकता मायने रखती है तो बीच सेशन में यह नज़र डालना फायदेमंद है: नाम, नंबर और तकनीकी शब्द वे चीज़ें हैं जिन्हें स्पीच रिकग्निशन सबसे ज़्यादा गलत पकड़ता है।
क्या मैं मॉडल के बोलते समय उसे बीच में रोक सकता हूं?
हां, यह बातचीत बारी-बारी की बजाय रियल-टाइम में होती है, इसलिए आप उसी तरह बीच में बोल सकते हैं जैसे किसी इंसान के साथ करते हैं, और मॉडल एक लंबा गलत जवाब पूरा किए बिना रुक जाता है, जिसे वरना आपको पूरा सुनना पड़ता।