Det korte svaret
Stemmemodus er en samtale i realtid: du snakker, modellen svarer høyt, og du kan avbryte den. Hver betalt plan inkluderer stemmeminutter: 10 per måned på Starter, 80 på Pro og 500 på Powerhouse.
Sesjonen gir en transkripsjon som legges i chattehistorikken din, slik at en muntlig samtale kan leses på nytt etterpå akkurat som en skrevet en. Stemmeminutter telles mot sin egen måler og bruker ikke kreditter.
Starte og styre en sesjon
Åpne stemmemodus fra chatten, og sesjonen kobler til og begynner å lytte. Det finnes ingen trykk-og-tal-knapp: du begynner rett og slett å snakke. Svar kommer med én forhåndsvalgt stemme, en varm stemme som heter Sulafat, og stemme kjører på Gemini Live API: Whizi lager et kortlevd sesjonstoken og nettleseren din strømmer lyd direkte til Google, så ingen lyd går gjennom Whizi-servere.
Kontrollene under en sesjon er med vilje minimale. Du kan dempe mikrofonen, som stopper den fra å høre deg uten å avslutte sesjonen, og du kan avslutte sesjonen helt. Statusindikatoren viser om Whizi lytter eller snakker akkurat nå, noe som betyr mer enn det hører ut som, fordi å vite om du har blitt hørt er det meste av hva som gjør et stemmegrensesnitt til å leve med.
Fordi samtalen er i realtid heller enn tur for tur, kan du bryte inn mens modellen fremdeles snakker, på samme måte som med et menneske. Uten det må et langt, feil svar vente ut før du kan styre det i en annen retning.
Transkripsjonen kan åpnes i chatten når som helst, også midt i sesjonen. Det er nødluken når noe må være nøyaktig: les hva som faktisk ble fanget opp, i stedet for å anta. Talegjenkjenning på navn, tall og fagbegreper er den svakeste delen av ethvert stemmegrensesnitt, så et blikk på transkripsjonen midt i sesjonen er den raskeste måten å fange en feilhøring før den former neste svar.
Hvordan minuttene telles
Minutter teller sesjonstid, og beholdningen telles per konto og nullstilles med faktureringsperioden din. En enkelt sesjon varer maks 15 minutter: startkallet reserverer tid fra beholdningen din og forteller sesjonen hvor lenge den kan kjøre, så når de gjenværende minuttene dine er lavere enn det, blir sesjonen forkortet for å passe.
Beholdningen følger planen: 10 minutter i måneden på Starter, 80 på Pro og 500 på Powerhouse. Gratiskontoer får ingen. Powerhouse blir til litt over åtte timer i måneden, eller omtrent tjue minutter hver arbeidsdag. Stemmesamtaler er naturlig korte, formatet passer fem minutters utvekslinger heller enn timelange sesjoner, så de høyere nivåene er sjelden en bindende begrensning.
Å dempe mikrofonen stopper ikke klokken. Å avslutte sesjonen gjør det. Skal du gå fra den, avslutt heller enn å bare dempe.
Stemmeminutter er sin egen beholdning og trekker på ingenting annet. Stemmeminutter, kreditter og bildegenereringer er separate målere som ikke deler en pool, så en lang muntlig samtale reduserer ikke antallet Claude- eller GPT-meldinger du kan sende den måneden. Det betyr også at en konto som har brukt opp kredittene sine, likevel har stemmeminuttene sine, og en konto som har snakket stemmebeholdningen tom, kan fremdeles skrive.
Transkripsjonen en sesjon legger igjen er en helt vanlig chat, så det kostet ingenting mer å beholde den, og den ligger i historikken din sammen med alt du har skrevet.
Hva stemme faktisk er bedre til
Stemme er ikke en raskere versjon av å skrive, og å bruke det på den måten er en nedtur. Tre tilfeller der det virkelig vinner:
Tenke høyt. Å snakke seg gjennom et problem du ikke har strukturert ennå er mye lettere muntlig enn skriftlig, fordi du ikke må forplikte deg til en setning før du vet hvor den ender. Transkripsjonen etterpå er vanligvis en bedre beskrivelse av problemet enn noe du ville skrevet.
Hendene opptatt eller øynene et annet sted. Matlaging, kjøring, gåing, eller å jobbe med noe fysisk. Dette er den åpenbare, og den er ekte.
Øve på en samtale. Intervjusvar, en vanskelig melding til en klient, en pitch. Å si det høyt og høre en respons avslører den keitete formuleringen som leser seg fint på et papir.
Der det taper: alt som involverer kode, eksakte tall, navn som er vanskelige å stave, eller lange strukturerte utdata du vil kopiere. Skriv de.
| Hva du gjør | Muntlig eller skriftlig | Hvorfor |
|---|---|---|
| Å tenke gjennom et problem du ikke har strukturert ennå | Muntlig | Du må ikke forplikte deg til en setning før du vet hvor den ender |
| Matlaging, kjøring, gåing, eller å jobbe med noe fysisk | Muntlig | Hendene er opptatt og øynene et annet sted, og transkripsjonen er i historikken din etterpå |
| Øve på intervjusvar, en vanskelig melding, eller en pitch | Muntlig | Å si det høyt avslører den keitete formuleringen som leser seg fint på et papir |
| Kode, eksakte tall, navn som er vanskelige å stave, langt utdata du vil kopiere | Skriftlig | Talegjenkjenning er svakest på navn, tall og fagbegreper |
- Hver betalt plan inkluderer stemme: 10 minutter på Starter, 80 på Pro, 500 på Powerhouse
- En enkelt sesjon varer maks 15 minutter
- Stemme bruker ikke kreditter, den har sin egen måler
- Å dempe stopper ikke klokken, å avslutte sesjonen gjør det
- Transkripsjonen legges i chattehistorikken og forblir lesbar på nytt
- Bruk skriving for kode, eksakte tall og alt du vil kopiere
Vanlige spørsmål
Hvilken plan inkluderer stemmemodus?
Hver betalt plan inkluderer stemmemodus, og gratiskontoer får ingen stemmeminutter i det hele tatt. Beholdningen er det som endres med nivået: Starter inkluderer 10 stemmeminutter per måned, Pro inkluderer 80, og Powerhouse inkluderer 500, og den nullstilles med faktureringsperioden.
Trekker stemmeminutter fra kredittene mine?
Nei. Stemme har sin egen måler av minutter og bruker ingen kreditter, så en lang muntlig samtale reduserer ikke antallet Claude- eller GPT-meldinger du kan sende. Stemmeminutter, kreditter og bildegenereringer er separate beholdninger som ikke deler en pool.
Kan jeg se hva jeg sa i en stemmesesjon?
Ja. Hver sesjon gir en transkripsjon som legges i chattehistorikken din, og du kan åpne den under sesjonen så vel som etter den. Det blikket midt i sesjonen er verdt å ta hver gang nøyaktighet betyr noe: navn, tall og fagbegreper er det talegjenkjenning bommer mest på.
Kan jeg avbryte modellen mens den snakker?
Ja, samtalen er i realtid heller enn tur for tur, så du kan bryte inn på samme måte som med et menneske, og modellen stopper i stedet for å fullføre et langt, feil svar du ellers måtte vente ut.