Det korta svaret
Röstläge är ett samtal i realtid: du pratar, modellen svarar med rösten, och du kan avbryta den. Varje betalplan ger röstminuter: 10 per månad på Starter, 80 på Pro och 500 på Powerhouse.
Sessionen ger ett transkript som hamnar i din chatthistorik, så ett röstsamtal går att läsa om efteråt precis som ett skrivet. Röstminuter räknas mot sin egen mätare och drar inga krediter.
Starta och styra en session
Öppna röstläget från chatten, och sessionen kopplar upp och börjar lyssna. Det finns inget steg där du måste hålla in en knapp: du börjar bara prata. Svaren kommer i en fast röst, en varm röst som heter Sulafat, och röst körs på Gemini Live API: Whizi utfärdar en kortlivad sessionstoken och din webbläsare strömmar ljud direkt till Google, så inget ljud går genom Whizis servrar.
Kontrollerna under en session är medvetet minimala. Du kan stänga av mikrofonen, vilket gör att den slutar höra dig utan att avsluta sessionen, och du kan avsluta sessionen helt. Statusindikatorn visar om Whizi just nu lyssnar eller pratar, vilket spelar större roll än det låter, eftersom att veta att du blivit hörd är det mesta som gör ett röstgränssnitt uthärdligt.
Eftersom samtalet sker i realtid och inte i tur ordning kan du bryta in medan modellen fortfarande pratar, precis som med en person. Utan det måste ett långt felaktigt svar spelas ut helt innan du kan styra om det.
Transkriptet går att öppna i chatten när som helst, även mitt i sessionen. Det är utvägen när något behöver vara exakt: läs vad som faktiskt fångades upp i stället för att gissa. Taligenkänning på namn, siffror och tekniska termer är den svagaste delen av alla röstgränssnitt, så en titt på transkriptet mitt i sessionen är snabbaste sättet att upptäcka en felhörning innan den påverkar nästa svar.
Hur minuterna räknas
Minuterna räknar sessionstid, och kvoten räknas per konto och återställs med din faktureringsperiod. En enda session pågår högst 15 minuter: startanropet reserverar tid från din kvot och talar om för sessionen hur länge den får pågå, så när dina återstående minuter är lägre än det förkortas sessionen för att passa.
Kvoten följer planen: 10 minuter i månaden på Starter, 80 på Pro och 500 på Powerhouse. Gratiskonton får inga alls. Powerhouse blir lite drygt åtta timmar i månaden, eller ungefär tjugo minuter varje arbetsdag. Röstsamtal är naturligt korta, formatet passar femminuterssamtal snarare än timslånga sessioner, så de högre nivåerna är sällan en begränsning i praktiken.
Att stänga av mikrofonen stoppar inte klockan. Att avsluta sessionen gör det. Om du går ifrån, avsluta hellre än att bara stänga av mikrofonen.
Röstminuter är sin egen kvot och drar inte på något annat. Röstminuter, krediter och bildgenereringar är separata mätare som inte delar en pool, så ett långt röstsamtal minskar inte antalet Claude- eller GPT-meddelanden du kan skicka den månaden. Det betyder också att ett konto som kört slut på sina krediter fortfarande har sina röstminuter, och ett konto som pratat slut sin röstkvot fortfarande kan skriva.
Transkriptet en session lämnar efter sig är en vanlig chatt, så det kostar inget extra att spara och ligger i din historik tillsammans med allt du skrivit.
Vad röst faktiskt är bättre på
Röst är inte en snabbare version av att skriva, och att använda det så blir en besvikelse. Tre fall där det verkligen vinner:
Tänka högt. Att tänka igenom ett problem du inte strukturerat ännu är mycket lättare talat än skrivet, eftersom du inte behöver bestämma dig för en mening innan du vet var den slutar. Transkriptet efteråt är ofta en bättre beskrivning av problemet än något du skulle ha skrivit.
Händerna upptagna eller blicken på annat håll. Matlagning, bilkörning, promenad eller något fysiskt arbete. Det här är det uppenbara fallet och det är verkligt.
Öva ett samtal. Intervjusvar, ett svårt meddelande till en kund, en pitch. Att säga det högt och höra ett svar avslöjar de klumpiga formuleringar som ser bra ut på papper.
Där det förlorar: allt som handlar om kod, exakta siffror, namn som är svåra att stava, eller lång strukturerad text du vill kopiera. Skriv det i stället.
| Vad du gör | Talat eller skrivet | Varför |
|---|---|---|
| Tänka igenom ett problem du inte strukturerat ännu | Talat | Du behöver inte bestämma dig för en mening innan du vet var den slutar |
| Matlagning, bilkörning, promenad eller något fysiskt arbete | Talat | Händerna är upptagna och blicken på annat håll, och transkriptet finns i din historik efteråt |
| Öva intervjusvar, ett svårt meddelande eller en pitch | Talat | Att säga det högt avslöjar klumpiga formuleringar som ser bra ut på papper |
| Kod, exakta siffror, svårstavade namn, lång text du ska kopiera | Skrivet | Taligenkänning är svagast på namn, siffror och tekniska termer |
- Varje betalplan ger röst: 10 minuter på Starter, 80 på Pro, 500 på Powerhouse
- En enda session pågår högst 15 minuter
- Röst drar inga krediter, den har sin egen mätare
- Att stänga av mikrofonen stoppar inte klockan, att avsluta sessionen gör det
- Transkriptet hamnar i chatthistoriken och går att läsa om
- Skriv i stället för kod, exakta siffror och allt du ska kopiera
Vanliga frågor
Vilken plan ger röstläge?
Varje betalplan ger röstläge, och gratiskonton får inga röstminuter alls. Det som ändras med nivån är kvoten: Starter ger 10 röstminuter i månaden, Pro ger 80 och Powerhouse ger 500, och de återställs med faktureringsperioden.
Dras röstminuter från mina krediter?
Nej. Röst har sin egen mätare av minuter och drar inga krediter, så ett långt röstsamtal minskar inte antalet Claude- eller GPT-meddelanden du kan skicka. Röstminuter, krediter och bildgenereringar är separata kvoter som inte delar en pool.
Kan jag se vad jag sa i en röstsession?
Ja. Varje session ger ett transkript som hamnar i din chatthistorik, och du kan öppna det både under och efter sessionen. Den titten mitt i sessionen är värd att ta när precision spelar roll: namn, siffror och tekniska termer är det taligenkänning oftast får fel.
Kan jag avbryta modellen medan den pratar?
Ja, samtalet sker i realtid och inte i tur ordning, så du kan bryta in precis som med en person, och modellen slutar i stället för att avsluta ett långt felaktigt svar du annars skulle behöva vänta ut.