Voz e imagens: fale e mostre

Até esta lição, você tem conversado com a IA por texto. Mas o ChatGPT tem mais dois canais — voz e imagens. São eles que transformam uma janela de chat inteligente em um assistente sempre à mão.

Modo de voz: não é ditado, é uma conversa

Nós ativamos o modo de voz na lição sobre aplicativos. Agora, vamos aprofundar, porque duas coisas se confundem aqui. A função de ditado (o ícone de microfone na caixa de entrada) apenas transforma sua fala em texto — você fala, as letras aparecem, e a partir daí é um chat comum. O modo de voz (o ícone de fone de ouvido/onda sonora) é uma conversa completa: você fala, a IA responde em voz alta com uma voz real, e você pode interrompê-la no meio da frase — ela para e muda. A diferença é como mandar mensagem versus ligar.

Por que o modo de voz muda o hábito

Digitar um pedido detalhado dá trabalho. Falar é natural. Em 40 segundos de fala, você expõe três vezes mais contexto do que digitaria, e lembre-se da regra da lição sobre o primeiro diálogo: mais contexto, resposta mais precisa. Também libera suas mãos e olhos: no carro, no fogão, empurrando um carrinho de bebê, a IA se torna alguém com quem você conversa, em vez de um aplicativo que você fica olhando.

Como é uma boa sessão de voz

• Ensaio em voz alta. «Vamos fazer uma simulação de entrevista. Você é um gerente de RH exigente, faça uma pergunta por vez, eu responderei em voz alta e revisarei minhas respostas no final.» Prática de fala ao vivo que você nunca conseguiria com texto.
• Brainstorming em movimento. Você anda e pensa em voz alta, a IA capta e sugere caminhos. As ideias são aproveitadas enquanto estão frescas.
• Resolvendo algo em trânsito. «Explique a diferença entre leasing e empréstimo, em palavras simples» — no trem, sem precisar de tela.

Imagens, parte um: a IA analisa sua foto

Arraste uma imagem para o chat (o clipe de papel, ou a câmera no aplicativo) e pergunte sobre ela. Isso não é um truque de festa, é uma ferramenta de trabalho:

• Fotografe um erro confuso na sua tela — «o que isso significa e como eu conserto?»
• Tire uma foto de um prato em um restaurante com um menu estrangeiro — «o que é isso, e tem nozes?»
• Mostre a ela um gráfico de um relatório — «descreva a tendência que estou vendo».
• Fotografe o interior da sua geladeira — «o que posso cozinhar para o jantar com isso?»

O modelo lê o que está na imagem e responde em palavras. Capturas de tela, fotos, diagramas, anotações manuscritas — tudo vale.

Imagens, parte dois: a IA desenha a partir de uma descrição

O outro lado é a geração: descreva em palavras e o ChatGPT desenha a imagem do zero. «Desenhe um logotipo para uma cafeteria: minimalist, uma xícara e montanhas, tons quentes» — uma imagem em segundos. Isso aparece com mais frequência do que você imagina: uma ilustração para um post, um rascunho de logotipo, um cartão de aniversário, um diagrama para uma apresentação, uma referência para seu designer. Assim como com texto, a iteração (revisitar a resposta, da lição sobre o primeiro diálogo) é o que funciona: «mais claro», «remova o fundo», «tente um estilo diferente».

Onde as imagens atingem seus limites

Dois limites honestos, para que você não se decepcione. Primeiro: as imagens geradas são ilustrações, não fotografias de eventos reais, e pequenos detalhes (texto dentro da imagem e dedos, especialmente) ainda saem imperfeitos — verifique antes de publicar. Segundo: ao ler uma foto, a mesma regra se aplica como com texto na lição de 10 tarefas — verifique os fatos. «Identifique este cogumelo, é comestível» é uma má ideia: o preço de estar errado é sua saúde, e o modelo pode estar errado. Com alimentos, medicamentos e documentos legais, a IA auxilia, mas um profissional decide.

Perguntas comuns sobre voz e imagens

• «As pessoas ao meu redor podem ouvir?» Não — o som vai para seus fones de ouvido ou para o alto-falante do seu telefone, como qualquer chamada.
• «Posso falar com sotaque, ou mal?» Sim, o modelo lida bem com a fala real, pausas e deslizes — fale do jeito que você fala.
• «Posso baixar uma imagem gerada e usá-la?» Baixar, sim, pelo botão de salvar; mas antes de publicá-la para um negócio, verifique os termos do serviço e lembre-se daqueles pequenos detalhes imperfeitos.
• «Por que a IA não identificou algo na minha foto?» Geralmente é a qualidade: fotos escuras, borradas ou anguladas são mal lidas — tire novamente de frente e com boa luz.

Faça isso agora

Dois minutos, dois toques. Um: ative o modo de voz e peça em voz alta uma explicação sobre qualquer coisa que você esteja curioso — apenas ouça como é a sensação. Dois: fotografe algo perto de você (uma etiqueta, um recibo, uma página de um livro) e pergunte sobre isso. Você acabou de usar todos os três canais: texto, voz, imagem.