ChatGPT Voice nie tylko rozmawia — może też rozpocząć pracę w aplikacjach

ChatGPT Voice przestaje być wyłącznie sposobem na zadawanie pytań głosem. W najnowszym wdrożeniu OpenAI łączy rozmowę w czasie rzeczywistym z autoryzowanymi aplikacjami oraz z ChatGPT Work. W praktyce użytkownik może głosem rozpocząć bardziej rozbudowane zadanie na telefonie lub w przeglądarce, a potem przejąć je w formie tekstowej.

Najważniejsze rozróżnienie jest proste: Voice to interfejs rozmowy z ChatGPT, a Work to środowisko służące do wykonywania dłuższych zadań z użyciem narzędzi. 721

Co można zrobić przez Voice

W zwykłej rozmowie w ChatGPT tryb Voice pozwala na naturalną komunikację w czasie rzeczywistym. Może też korzystać z wtyczek i połączonych aplikacji dostępnych na danym koncie — na przykład usług e-mail, kalendarza czy Slacka — o ile użytkownik wcześniej przyznał im odpowiednie uprawnienia. 723

W ChatGPT Work rozmową głosową można zlecić utworzenie dokumentu, prezentacji lub arkusza, użycie połączonych aplikacji albo wykonanie pracy w przeglądarce. OpenAI podaje, że Voice w Work jest dostępny w wersji internetowej i mobilnej; dokumentacja Work wskazuje też obsługę Work i Codex w aplikacji desktopowej. 2123

Wśród przykładów dla płatnych subskrybentów na urządzeniach mobilnych wymieniano tworzenie dokumentu, przygotowanie e-maila i podsumowanie wiadomości ze Slacka w karcie Work. 5

Głos rozpoczyna zadanie, tekst pozwala je dokończyć

Nowe rozwiązanie nie oznacza pracy wyłącznie w trybie audio. Odpowiedzi wykorzystujące połączone aplikacje można śledzić w pisemnym czacie. Jeśli zadanie uruchomione w Work nie zostanie ukończone przed zakończeniem rozmowy, może być kontynuowane tekstowo. 23

Ma to praktyczne znaczenie: można rozpocząć polecenie głosowo na telefonie, a następnie na spokojnie sprawdzić wynik, poprawić go lub kontynuować zadanie w tekście — bez ponownego dyktowania całego polecenia. Dokumentacja OpenAI potwierdza takie przejście z głosu do tekstu, choć szczegóły działania zależą od urządzenia, planu i włączonych narzędzi. 2123

Jaką rolę pełnią GPT-Live, Astra, Sol i Luna

W komunikatach pojawia się kilka nazw modeli, ale nie oznaczają one tego samego.

• GPT-Live jest warstwą obsługującą rozmowę głosową w czasie rzeczywistym. GPT-Live-1 wspiera komunikację full-duplex, czyli może słuchać i mówić jednocześnie, co ma zbliżać rozmowę do naturalnego dialogu. OpenAI podaje, że model może przekazywać trudniejsze rozumowanie i użycie narzędzi innym sparowanym z nim modelom oraz narzędziom. 17
• GPT-6 Astra może zostać użyty przez ChatGPT Voice, gdy zapytanie wymaga trudniejszego wyszukiwania lub rozumowania. Dostępność modelu i limity zależą od planu oraz ustawień przestrzeni roboczej. 13
• GPT-6 Sol i GPT-6 Luna to modele przeznaczone dla ChatGPT Work i Codex. Nie są dostępne w zwykłych rozmowach ChatGPT. 21

Dlatego dwa polecenia wypowiedziane do Voice nie muszą być obsługiwane identycznie. Voice zapewnia rozmowę, natomiast wybrany kontekst — Chat albo Work — determinuje, jakie modele i możliwości mogą wykonać zadanie.

Chat czy Work? To wybór, który zmienia sposób działania

Voice w Chat

Tryb Chat sprawdzi się przy rozmowie na żywo, burzy mózgów, pytaniach i pomocy z połączonymi aplikacjami dostępnymi na koncie. Jest oparty na GPT-Live i dostępny w przeglądarce, na iOS oraz Androidzie, z zastrzeżeniem warunków planu i ustawień przestrzeni roboczej. 7

Voice w Work

Work jest przeznaczony do zadań wymagających dłuższego wykonania: tworzenia plików, korzystania z aplikacji czy działań w przeglądarce. Voice w Work jest dostępny w internecie i na urządzeniach mobilnych, a zadanie można dalej prowadzić tekstowo po zakończeniu rozmowy głosowej. 2123

Samo wypowiedzenie polecenia jest więc dopiero początkiem. Aby zamienić je w wieloetapowy proces, użytkownik może potrzebować wybrać Work, podłączyć właściwą usługę i sprawdzić, czy integracja ma wymagany dostęp do danych i działań.

Plan, limity i uprawnienia nadal mają znaczenie

Dostępność Voice i Work jest wdrażana zależnie od planu oraz platformy, więc nie każde konto zobaczy identyczny zestaw funkcji. W informacjach o wdrożeniu OpenAI wymienia użytkowników Plus, Pro, Business, Enterprise, Edu i Healthcare w wersji internetowej, zarówno w przełączniku Chat, jak i Work. Sam Work jest wdrażany w internecie i na urządzeniach mobilnych dla płatnych planów z wyłączeniem Free i Go. 110

W zarządzanych przestrzeniach roboczych kluczową rolę zachowują administratorzy. Voice w Work wymaga dostępu zarówno do Voice, jak i Work. Włączenie Voice nie odblokowuje zablokowanej wtyczki ani nie przyznaje jej nowych uprawnień. Nadal obowiązują istniejące zasady dostępu do aplikacji, danych, działań oraz kontroli przestrzeni roboczej. 423

Różnią się także limity użycia. OpenAI wskazuje dla GPT-Live-1 limit do trzech godzin dziennie w Plus i do 15 godzin dziennie w jednym z planów Pro; konkretne limity mogą jednak zależeć od planu i ustawień przestrzeni roboczej. 13

Jak podejść do tego w praktyce

Jeśli zadanie wymaga danych służbowych albo kilku etapów działania:

1. Najpierw podłącz aplikację. E-mail, kalendarz, Slack i pozostałe narzędzia działają w granicach wcześniej nadanych autoryzacji i uprawnień. 23
2. Do zadań wykonawczych wybierz Work. To właściwy kontekst do tworzenia plików, pracy w przeglądarce i dłuższych procesów, a nie każdej zwykłej rozmowy z ChatGPT. 21
3. Zacznij głosem, potem sprawdź wynik w tekście. Ułatwia to ocenę szkiców, kontrolę rezultatów i dokończenie zadania po zakończeniu rozmowy. 23
4. Uwzględnij limity i granice zatwierdzania. Sam dostęp głosowy nie omija uprawnień ani ograniczeń działań ustawionych dla połączonego narzędzia. 423

Voice jako wejście do pracy z agentem

Aktualizacja przesuwa rolę Voice: z samodzielnej funkcji konwersacyjnej staje się punktem wejścia do połączonej, zadaniowej pracy. GPT-Live prowadzi rozmowę, Chat może sięgać po bardziej zaawansowane rozumowanie, gdy jest potrzebne, a Work zapewnia środowisko do obsługi dokumentów, aplikacji i działań w przeglądarce. 11721

To może ułatwić rozpoczęcie zadania bez używania klawiatury. Jednocześnie rośnie znaczenie konfiguracji: odpowiedniego planu, właściwie wybranego trybu oraz przyznanych uprawnień. To one — obok samej rozmowy głosowej — decydują, czy polecenie zamieni się w rzeczywiście wykonany proces.