Голос и картинки: говори и показывай

До этого урока ты общался с ИИ текстом. Но у ChatGPT есть ещё два канала — голос и картинки. Именно они превращают «умный чат» в помощника, который всегда под рукой.

Голосовой режим: не диктовка, а разговор

В уроке про приложения мы уже включали голос. Теперь разберёмся глубже. Важно не путать две вещи. Диктовка (значок микрофона в поле ввода) просто превращает твою речь в текст — ты говоришь, появляются буквы, дальше обычный чат. Голосовой режим (значок наушников/волны) — это полноценный разговор: ты говоришь, ИИ отвечает вслух живым голосом, ты можешь перебить на середине фразы, и он остановится и переключится. Разница как между СМС и телефонным звонком.

Почему голос меняет привычку

Печатать подробный запрос — работа. Проговорить его — естественно. За 40 секунд речи ты выкладываешь втрое 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: за рулём, на кухне, на прогулке с коляской ИИ становится собеседником, а не приложением, в которое надо смотреть.

Как выглядит хороший голосовой сценарий

• Репетиция вслух. «Давай отрепетируем собеседование. Ты — строгий HR, задавай вопросы по одному, я отвечаю голосом, в конце разбери мои ответы.» Живая тренировка речи, которую текстом 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.

Подумай, прежде чем читать дальше: в какой момент завтрашнего дня у тебя будут заняты руки, но свободна голова? Вот там голосовой режим и превратится в привычку — за рулём, у плиты, в очереди, на пробежке.

Картинки, часть первая: ИИ смотрит на твоё фото

Загрузи изображение в чат (скрепка или камера в приложении) и спрашивай по нему. Это не фокус, а рабочий инструмент:

• 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 неidеально — 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

«Голос слышат другие вокруг?» Нет — звук идёт только тебе в наушник или динамик телефона, 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

Две минуты, два касания. Первое: включи голосовой режим и вслух попроси объяснить любую тему, которая тебе интересна, — просто послушай, каково это. Второе: сфотографируй что-нибудь рядом (этикетку, чек, страницу книги) и спроси о нём. Ты только что задействовал все три канала общения с ИИ: текст, голос, изображение.