Голос и картинки: говори и показывай

До этого урока весь разговор шёл текстом: ты печатаешь — он отвечает буквами. Но у ChatGPT есть ещё два канала, голос и картинки, и именно они превращают умный чат в помощника, который всегда под рукой. В уроке про приложения мы уже видели, где живут эти кнопки, — теперь разберёмся, что они умеют на самом деле.

Голосовой режим: не диктовка, а разговор

Мнемонику из урока про приложения ты помнишь: микрофон печатает за тебя, наушники разговаривают с тобой. Диктовку там же и разобрали — здесь берём наушники. Голосовой режим — это не функция, а другой способ пользоваться ИИ: разговор идёт вслух, живым голосом, с перебиваниями и уточнениями, и у него есть свои сценарии, которых текстом просто не существует.

Почему голос меняет привычку

Печатать подробный запрос — работа. Проговорить его — естественно. За полминуты речи ты выкладываешь заметно больше контекста, чем набрал бы за то же время, а помнишь правило из урока о первом диалоге: чем больше контекста, тем точнее ответ. Плюс освобождаются руки и глаза: на кухне, на прогулке с коляской, в очереди ИИ становится собеседником, а не приложением, в которое надо смотреть.

Как выглядит хороший голосовой сценарий

Голосом удобно не всё подряд. Вот ситуации, где он выигрывает у клавиатуры с большим отрывом.

• Репетиция вслух. Тот же спарринг с «ты — HR» из урока о десяти задачах, только голосом: запинки и паузы слышно по-настоящему — текстом такую тренировку не получишь.
• Мозговой штурм на ходу. Идёшь и рассуждаешь вслух, ИИ подхватывает и предлагает повороты. Идеи ловятся в момент, пока не выветрились.
• Разбор на бегу. «Объясни, чем отличается лизинг от кредита, простыми словами» — пока едешь в метро, без экрана.

Картинки, часть первая: ИИ смотрит на твоё фото

С фото ты уже встречался: в третьем уроке фотографировал домашний документ. Это был один приём из целого круга — загрузить в чат можно любое изображение (скрепка или камера в приложении) и спрашивать по нему:

• Сфотографируй непонятную ошибку на экране — «что это значит и как починить?»
• Сними блюдо в ресторане с иностранным меню — «что это за еда, есть ли тут орехи?»
• Покажи график из отчёта — «опиши, какой тренд здесь виден».
• Сфотографируй содержимое холодильника — «что приготовить на ужин из этого?»

Модель разбирает то, что видит на картинке, и отвечает словами. Скрины, фото, схемы, рукописные заметки — всё подойдёт.

Картинки, часть вторая: ИИ рисует по описанию

Обратная сторона — генерация: опиши словами, и ChatGPT нарисует изображение с нуля. «Нарисуй логотип для кофейни: минимализм, чашка и горы, тёплые тона» — получишь картинку за секунды. Пригождается чаще, чем кажется: иллюстрация к посту, черновик логотипа, открытка ко дню рождения, картинка-схема для презентации, референс для дизайнера. Как и с текстом, работает итерация (правка ответа по кругу, из урока о первом диалоге): «сделай ярче», «убери фон», «попробуй в другом стиле».

Где у картинок границы

Два честных ограничения, чтобы не разочароваться. Первое: сгенерированные картинки — это иллюстрации, а не фотографии реальных событий, и мелкие детали (особенно текст на картинке и пальцы рук) модель до сих пор рисует неидеально — проверяй перед публикацией. Второе: при разборе фото действует то же правило, что и с текстом из урока про 10 задач — факты проверяй. «Определи гриб, съедобный ли» — плохая идея: цена ошибки — здоровье, а модель может ошибиться. Для еды, лекарств и юридических документов ИИ — помощник, а решение за специалистом.

Частые вопросы про голос и картинки

Тут спотыкаются почти все, поэтому разберём заранее.

• «Голос слышат другие вокруг?» Через наушники — нет, только тебе. Через динамик — да, слышно всем вокруг, как при громкой связи, как обычный звонок.
• «Можно ли говорить с акцентом или с ошибками?» Да, модель отлично разбирает живую речь, паузы и оговорки — говори как удобно.
• «Сгенерированную картинку можно скачать и использовать?» Скачать — да, кнопкой сохранения; но перед публикацией в бизнесе проверь условия сервиса и помни про несовершенство мелких деталей.
• «Почему на моём фото ИИ что-то не разглядел?» Чаще всего дело в качестве: тёмное, размытое или снятое под углом изображение читается хуже — переснимай ровно и при хорошем свете.

Сделай сейчас

Попробуй оба канала, пока они свежи в голове. Включи голосовой режим и вслух попроси объяснить любую тему, которая тебе интересна, — просто послушай, каково это. Потом сфотографируй что-нибудь рядом — этикетку, чек, страницу книги — и спроси о нём. Вот и всё: ты только что поговорил с ИИ всеми тремя способами — текстом, голосом и картинкой.