คำตอบสั้น ๆ
โหมดเสียงคือการสนทนาด้วยเสียงแบบเรียลไทม์ คุณพูด โมเดลตอบกลับด้วยเสียง และคุณสามารถพูดแทรกได้ ทุกแผนที่ต้องชำระเงินมีนาทีเสียงให้ใช้: 10 นาทีต่อเดือนสำหรับ Starter, 80 นาทีสำหรับ Pro และ 500 นาทีสำหรับ Powerhouse
เซสชันจะสร้างบทสนทนาที่บันทึกไว้ในประวัติแชทของคุณ ทำให้การสนทนาด้วยเสียงสามารถกลับมาอ่านย้อนหลังได้เหมือนข้อความที่พิมพ์ นาทีเสียงจะถูกนับแยกจากโควตาของตัวเองและไม่ใช้เครดิต
เริ่มต้นและควบคุมเซสชัน
เปิดโหมดเสียงจากหน้าแชท เซสชันจะเชื่อมต่อและเริ่มฟังทันที ไม่มีขั้นตอนกดค้างเพื่อพูด คุณแค่เริ่มพูดได้เลย คำตอบจะมาในเสียงที่ตั้งไว้เสียงเดียว เป็นเสียงอบอุ่นชื่อ Sulafat และระบบเสียงทำงานบน Gemini Live API โดย Whizi จะสร้างโทเคนเซสชันอายุสั้นและเบราว์เซอร์ของคุณจะสตรีมเสียงตรงไปยัง Google ทำให้ไม่มีเสียงใดผ่านเซิร์ฟเวอร์ของ Whizi
การควบคุมระหว่างเซสชันถูกออกแบบให้เรียบง่ายโดยตั้งใจ คุณสามารถปิดไมโครโฟนเพื่อหยุดไม่ให้ระบบได้ยินคุณโดยไม่ต้องจบเซสชัน หรือจะจบเซสชันทั้งหมดก็ได้ ตัวแสดงสถานะจะบอกว่า Whizi กำลังฟังหรือกำลังพูดอยู่ ซึ่งสำคัญกว่าที่ฟังดู เพราะการรู้ว่าเสียงของคุณถูกได้ยินหรือไม่คือสิ่งที่ทำให้อินเทอร์เฟซเสียงใช้งานได้จริง
เพราะการสนทนาเป็นแบบเรียลไทม์ ไม่ใช่การผลัดกันพูดทีละรอบ คุณจึงพูดแทรกได้ในขณะที่โมเดลยังพูดอยู่ เหมือนที่คุณทำกับคนจริง ๆ ถ้าไม่มีสิ่งนี้ คุณจะต้องรอฟังคำตอบที่ผิดยาว ๆ จนจบก่อนจะปรับทิศทางได้
คุณสามารถเปิดดูบทสนทนาที่บันทึกไว้ในแชทได้ทุกเมื่อ แม้ระหว่างเซสชันก็ตาม นี่คือทางออกเมื่อต้องการความแม่นยำ คือการอ่านสิ่งที่ถูกบันทึกจริง ๆ แทนการเดา การจดจำเสียงพูดสำหรับชื่อเฉพาะ ตัวเลข และคำศัพท์เทคนิคเป็นจุดอ่อนที่สุดของอินเทอร์เฟซเสียงทุกแบบ ดังนั้นการเปิดดูบทสนทนาระหว่างเซสชันจึงเป็นวิธีที่เร็วที่สุดในการจับข้อผิดพลาดก่อนที่มันจะส่งผลต่อคำตอบถัดไป
วิธีนับนาที
นาทีจะนับตามเวลาที่ใช้ในเซสชัน โควตาจะถูกนับต่อบัญชีและรีเซ็ตตามรอบบิลของคุณ เซสชันเดียวจะทำงานได้สูงสุด 15 นาที การเรียกเริ่มเซสชันจะจองเวลาจากโควตาของคุณและบอกเซสชันว่าใช้งานได้นานแค่ไหน ดังนั้นเมื่อนาทีที่เหลือของคุณน้อยกว่านั้น เซสชันจะถูกย่นให้พอดี
โควตาจะขึ้นอยู่กับแผน คือ 10 นาทีต่อเดือนสำหรับ Starter, 80 นาทีสำหรับ Pro และ 500 นาทีสำหรับ Powerhouse บัญชีฟรีจะไม่ได้รับนาทีเสียงเลย Powerhouse คิดเป็นเวลาราวแปดชั่วโมงเศษต่อเดือน หรือประมาณยี่สิบนาทีในทุกวันทำงาน การสนทนาด้วยเสียงมักสั้นโดยธรรมชาติอยู่แล้ว รูปแบบนี้เหมาะกับบทสนทนาสั้น ๆ ห้านาทีมากกว่าเซสชันยาวเป็นชั่วโมง ดังนั้นแผนระดับสูงจึงแทบไม่เคยเป็นข้อจำกัด
การปิดไมโครโฟนไม่ได้หยุดเวลานับถอยหลัง มีแต่การจบเซสชันเท่านั้นที่หยุดได้ ถ้าคุณจะลุกออกไปทำอย่างอื่น ให้จบเซสชันแทนการปิดไมโครโฟน
นาทีเสียงเป็นโควตาของตัวเองและไม่ดึงจากที่อื่นเลย นาทีเสียง เครดิต และการสร้างภาพเป็นโควตาแยกกันที่ไม่ใช้ร่วมกัน ดังนั้นการสนทนาด้วยเสียงยาว ๆ จะไม่ลดจำนวนข้อความ Claude หรือ GPT ที่คุณส่งได้ในเดือนนั้น นั่นหมายความว่าบัญชีที่ใช้เครดิตหมดแล้วยังคงมีนาทีเสียงอยู่ และบัญชีที่ใช้นาทีเสียงหมดแล้วก็ยังพิมพ์ข้อความได้ตามปกติ
บทสนทนาที่เซสชันทิ้งไว้คือแชทธรรมดา จึงไม่มีค่าใช้จ่ายเพิ่มเติมในการเก็บไว้ และจะอยู่ในประวัติของคุณควบคู่ไปกับทุกอย่างที่คุณเคยพิมพ์
สิ่งที่การใช้เสียงทำได้ดีกว่าจริง ๆ
การใช้เสียงไม่ใช่การพิมพ์เวอร์ชันที่เร็วกว่า และถ้าใช้แบบนั้นจะทำให้ผิดหวัง มีสามกรณีที่การใช้เสียงชนะการพิมพ์ได้จริง ๆ ดังนี้
คิดออกมาดัง ๆ การพูดคุยไปทีละขั้นเกี่ยวกับปัญหาที่คุณยังจัดระเบียบความคิดไม่เสร็จนั้นง่ายกว่าการเขียนมาก เพราะคุณไม่ต้องผูกมัดกับประโยคก่อนจะรู้ว่ามันจะจบตรงไหน บทสนทนาที่ได้ภายหลังมักอธิบายปัญหาได้ดีกว่าสิ่งที่คุณจะพิมพ์ออกมาเอง
มือไม่ว่างหรือสายตาต้องมองที่อื่น เช่น การทำอาหาร ขับรถ เดิน หรือทำงานที่ใช้ร่างกาย นี่คือข้อที่เห็นได้ชัดที่สุดและเป็นจริง
ฝึกซ้อมบทสนทนา เช่น คำตอบสัมภาษณ์งาน ข้อความยาก ๆ ที่จะส่งให้ลูกค้า หรือการนำเสนองาน การพูดออกมาดัง ๆ แล้วฟังคำตอบกลับจะช่วยให้เห็นประโยคที่ฟังดูขัด ๆ ทั้งที่อ่านแล้วดูโอเคบนหน้ากระดาษ
จุดที่การใช้เสียงแพ้ คือทุกอย่างที่เกี่ยวกับโค้ด ตัวเลขที่ต้องแม่นยำ ชื่อที่สะกดยาก หรือผลลัพธ์ที่มีโครงสร้างยาวซึ่งคุณต้องการคัดลอกไปใช้ ให้พิมพ์สิ่งเหล่านั้นแทน
| สิ่งที่คุณกำลังทำ | พูดหรือพิมพ์ | เหตุผล |
|---|---|---|
| คิดไปทีละขั้นเกี่ยวกับปัญหาที่ยังจัดระเบียบความคิดไม่เสร็จ | พูด | คุณไม่ต้องผูกมัดกับประโยคก่อนจะรู้ว่ามันจะจบตรงไหน |
| ทำอาหาร ขับรถ เดิน หรือทำงานที่ใช้ร่างกาย | พูด | มือไม่ว่างและสายตาต้องมองที่อื่น อีกทั้งบทสนทนาจะถูกบันทึกไว้ในประวัติภายหลัง |
| ฝึกซ้อมคำตอบสัมภาษณ์งาน ข้อความยาก ๆ หรือการนำเสนองาน | พูด | การพูดออกมาดัง ๆ ช่วยให้เห็นประโยคที่ฟังดูขัด ๆ ทั้งที่อ่านแล้วดูโอเคบนหน้ากระดาษ |
| โค้ด ตัวเลขที่ต้องแม่นยำ ชื่อที่สะกดยาก ผลลัพธ์ยาวที่ต้องคัดลอก | พิมพ์ | การจดจำเสียงพูดจะแม่นยำน้อยที่สุดกับชื่อเฉพาะ ตัวเลข และคำศัพท์เทคนิค |
- ทุกแผนที่ต้องชำระเงินมีนาทีเสียงให้ใช้: 10 นาทีสำหรับ Starter, 80 นาทีสำหรับ Pro, 500 นาทีสำหรับ Powerhouse
- เซสชันเดียวใช้งานได้สูงสุด 15 นาที
- การใช้เสียงไม่ใช้เครดิต เพราะมีโควตาของตัวเอง
- การปิดไมโครโฟนไม่ได้หยุดเวลานับถอยหลัง มีแต่การจบเซสชันเท่านั้นที่หยุดได้
- บทสนทนาจะถูกบันทึกไว้ในประวัติแชทและกลับมาอ่านย้อนหลังได้เสมอ
- ใช้การพิมพ์สำหรับโค้ด ตัวเลขที่ต้องแม่นยำ และสิ่งที่คุณจะคัดลอกไปใช้
คำถามที่พบบ่อย
แผนไหนบ้างที่มีโหมดเสียง
ทุกแผนที่ต้องชำระเงินมีโหมดเสียงให้ใช้ ส่วนบัญชีฟรีจะไม่ได้รับนาทีเสียงเลย สิ่งที่เปลี่ยนไปตามระดับแผนคือโควตา คือ Starter ได้ 10 นาทีเสียงต่อเดือน Pro ได้ 80 นาที และ Powerhouse ได้ 500 นาที โดยจะรีเซ็ตตามรอบบิล
นาทีเสียงหักจากเครดิตของฉันหรือไม่
ไม่ การใช้เสียงมีโควตานาทีของตัวเองและไม่ใช้เครดิต ดังนั้นการสนทนาด้วยเสียงยาว ๆ จะไม่ลดจำนวนข้อความ Claude หรือ GPT ที่คุณส่งได้ นาทีเสียง เครดิต และการสร้างภาพเป็นโควตาแยกกันที่ไม่ใช้ร่วมกัน
ฉันสามารถดูสิ่งที่พูดในเซสชันเสียงได้หรือไม่
ได้ ทุกเซสชันจะสร้างบทสนทนาที่ถูกบันทึกไว้ในประวัติแชทของคุณ และคุณสามารถเปิดดูได้ทั้งระหว่างเซสชันและหลังจบเซสชัน การเปิดดูระหว่างเซสชันคุ้มค่าเสมอเมื่อความแม่นยำสำคัญ เพราะชื่อเฉพาะ ตัวเลข และคำศัพท์เทคนิคคือสิ่งที่การจดจำเสียงพูดผิดพลาดมากที่สุด
ฉันสามารถพูดแทรกโมเดลขณะที่มันกำลังพูดได้หรือไม่
ได้ เพราะการสนทนาเป็นแบบเรียลไทม์ ไม่ใช่การผลัดกันพูดทีละรอบ คุณจึงพูดแทรกได้เหมือนที่ทำกับคนจริง ๆ และโมเดลจะหยุดพูดทันทีแทนที่จะพูดคำตอบที่ผิดยาว ๆ จนจบให้คุณต้องรอฟัง