Whizi語音模式：AI語音對話怎麼運作

簡短的答案

語音模式是一種即時語音對話：你開口說話,模型會用語音回答,而且你可以隨時打斷它。每個付費方案都包含語音分鐘數：新手方案每月10分鐘,專業方案80分鐘,火力全開方案500分鐘。

每次對話都會產生一份逐字稿,存放在你的聊天紀錄裡,所以語音對話事後也能像打字對話一樣重新閱讀。語音分鐘數有自己的獨立計量,不會扣除點數。

開始與控制一段對話

從聊天視窗打開語音模式,連線建立後就會開始聆聽,沒有需要按住說話的步驟,你只要開口說話就行。回覆一律使用同一個預設語音,一個名叫Sulafat的溫暖聲音,語音功能建立在Gemini Live API之上：Whizi會產生一個短期有效的連線權杖,你的瀏覽器會直接把語音串流傳給Google,所以沒有任何語音會經過Whizi的伺服器。

對話進行中的控制項刻意做得很精簡。你可以將麥克風靜音,這樣它就不會聽到你說話,但對話不會因此結束;你也可以直接結束整段對話。狀態指示會顯示Whizi目前是在聆聽還是在說話,這一點比聽起來重要得多,因為知道自己有沒有被聽見,幾乎就是讓語音介面變得可以忍受的關鍵所在。

因為這是即時對話而不是輪流發言,你可以在模型還在說話時插話,就像跟真人對話一樣。如果沒有這個功能,遇到一個很長又答錯的回覆,你就得整段聽完才能重新引導方向。

逐字稿隨時都能在聊天視窗中打開,包括對話進行到一半的時候。當某件事需要準確無誤時,這就是你的逃生門：直接讀取實際被記錄下來的內容,而不是自己猜測。語音辨識在人名、數字和專業術語上是最弱的一環,所以在對話中途看一眼逐字稿,是在誤判影響到下一句回答之前,最快能發現問題的方法。

分鐘數怎麼計算

分鐘數計算的是對話時間,額度以帳號為單位計算,並隨你的計費週期重新歸零。單次對話最長15分鐘：開始通話時會從你的額度中預留時間,並告知這次對話最長可以進行多久,所以當你剩餘的分鐘數低於這個上限時,對話時間就會被相應縮短。

額度跟著方案走：新手方案每月10分鐘,專業方案80分鐘,火力全開方案500分鐘。免費帳號沒有任何語音分鐘數。火力全開方案換算下來每月略多於八小時,大約等於每個工作日二十分鐘。語音對話天生就偏短,這種形式比較適合五分鐘左右的交流,而不是動輒一小時的長時間對話,所以較高的方案額度很少真正成為限制。

將麥克風靜音不會讓計時停止,只有結束對話才會。如果你要暫時離開,請直接結束對話,而不是只按靜音。

語音分鐘數是獨立的額度,不會動用到其他任何資源。語音分鐘數、點數和圖片生成是各自分開、不共用額度的計量,所以一段很長的語音對話,不會減少你當月能傳送的Claude或GPT訊息數。這也代表就算一個帳號的點數已經用完,它的語音分鐘數依然存在;而一個把語音額度講完的帳號,依然可以打字使用。

對話留下的逐字稿就是一則普通的聊天紀錄,不需要額外付出任何成本來保存,會和你打字輸入的所有內容一起留在你的紀錄裡。

語音真正擅長的地方

語音並不是打字的加速版,把它當成加速版來用只會讓人失望。以下是它真正勝出的三種情況：

把想法說出來整理思緒。針對一個你還沒理清頭緒的問題,用說的思考通常比用寫的容易得多,因為你不必在知道句子要怎麼結尾之前,就先把它寫死。事後產生的逐字稿,往往比你原本會打出來的文字更能描述清楚這個問題。

雙手忙碌或視線無法離開手邊事物時。煮飯、開車、走路,或是在處理某件需要動手的事情。這是最顯而易見的一種情況,而且確實派得上用場。

演練一段對話。面試回答、要傳給客戶的一段棘手訊息、一段提案說詞。把它說出來聽聽對方的反應,能讓你發現那些寫在紙上看起來沒問題,唸出來卻很彆扭的措辭。

語音會輸給打字的情況：任何涉及程式碼、精確數字、難以拼寫的名稱,或是你之後會想複製的長篇結構化內容。這些請改用打字。

你正在做什麼	用說的還是打字	原因
思考一個你還沒理清頭緒的問題	用說的	你不必在知道句子怎麼結尾之前就先把它寫死
煮飯、開車、走路,或處理某件需要動手的事情	用說的	雙手忙碌、視線無法離開,而且事後逐字稿會留在你的紀錄裡
演練面試回答、一段棘手的訊息,或一段提案說詞	用說的	把它說出來能讓你發現那些寫在紙上沒問題、唸出來卻彆扭的措辭
程式碼、精確數字、難以拼寫的名稱、你之後會複製的長篇內容	用打字	語音辨識在人名、數字和專業術語上最不準確