Диктовка без «ну» и «вот»: Whisper на своём компьютере и маленький посредник к LLM
Я пишу книги, и кроме самих книг за день набирается много другого текста: сообщения, письма, задания нейросетям. Говорить быстрее, чем печатать, поэтому большую часть этого я диктую. Только живая речь, записанная слово в слово, читается плохо. Вот фраза, которую Whisper распознал без единой ошибки:Ну вот, короче, я, это самое, хотел сказать, что, ну, завтра... завтра созвон переносится, ну, на три часа, не, на четыре.А отправить я хотел вот это:Я хотел сказать, что завтра созвон переносится на четыре.
Как я уделал Microsoft, но это никому не нужно (кайфую сам)
Как я уделал Microsoft, но это никому не нужно (кайфую сам)Однажды мне надоело много печатать, я включил voice typing от Microsoft, и он меня не устроил: медленный, тупой и ещё грузит процессор.— ChatGPT, родной, сможем написать своё приложение для диктовки? — спросил я ИИ.— Без проблем, — ответил он.Так и началось.Сразу предупрежу. Я не программист.Я актёр и модель, писатель, финансист, предприниматель — и это не для упоминания Брюса Уэйна. Я просто человек, который последние годы постоянно что-то придумывает и пытается это реализовывать.
Google тестирует функцию Gemini «Позвони за меня»
Google внедряет в ИИ Gemini новую функцию под названием «Call for Me» (“Позвони за меня”), позволяющую звонить в различные организации. На начальном этапе она станет доступна владельцам смартфонов Pixel 11 в США, оформившим подписку на Gemini.
Шахматы голосом: как объяснить Алисе ход, если игрок не видит доску
Шахматы — почти идеальная игра для голосового интерфейса. Состояние компактное, ходов конечное число, правила формальны. Казалось бы, бери и делай.На практике голосовой навык ломается не о шахматы, а о расшифровку речи. Игрок говорит «пешка е два е четыре», распознавание может вернуть «пешка е два и четыре». Для человека смысл очевиден; навык должен восстановить e2–e4 и при этом не угадывать, если позиция или качество разбора оставляют несколько вариантов.Ниже — про то, как устроен навык «Шахматы с Юрой» для Яндекс Алисы и какие решения пришлось принять, чтобы игра оставалась играбельной на слух.
Google запускает функции голосового управления на основе ИИ в Gmail и Docs
Google запускает функции разговорного ИИ в сервисах Docs, Gmail и Keep. Они позволят пользователям задавать вопросы о своих входящих сообщениях и документах, а также выполнять задачи с помощью запросов на естественном языке и диктовки.
Новый голосовой режим ChatGPT на GPT-Live-1: возможности, проблемы и лайфхаки
В июле 2026 года OpenAI заметно изменила голосовой режим ChatGPT и запустила GPT-Live-1 — модель для более естественного разговора в реальном времени.Теперь ChatGPT умеет слушать во время собственной речи, реагировать на перебивания, ждать окончания мысли, работать с веб-поиском, памятью, текстом и изображениями в одном диалоге. Сложные вопросы он при необходимости может передавать более мощной модели для отдельного анализа.Но вместе с этим появились и новые особенности: Live может отлично держать длинный контекст, а через минуту внезапно перейти на «угу», перебить пользователя или додумать то, чего он не говорил.
Голос из машины
Эссе1. Когда машина говоритЕсть в общении с современными нейросетями странность, которая особенно заметна в голосовом режиме. Человек слышит интонации, паузы, смех, мгновенную реакцию на шутку. Он спорит, задаёт вопросы, возвращается к прежним темам. Система удерживает контекст и отвечает так, что разговор легко воспринимается как встреча с собеседником.При этом рационально всё понятно: перед нами не человек. Это вычислительная система, и у нас нет надёжных оснований считать, что за её словами существует субъективная жизнь, похожая на человеческую.
OpenAI разрабатывает умную колонку c камерами и датчиками
По данным источников Bloomberg, OpenAI разрабатывает умную колонку с камерой, датчиками и подвижными элементами. Она будет выполнена в форме пончика, чтобы устройство было удобно держать в руке.
Поставил счётчик на каждый звонок голосового ИИ-агента: 13 сценариев экзамена и себестоимость до копейки
В понедельник в 13:24 человек позвонил в небольшую производственную компанию, не дождался ответа и попал на голосового бота. Поговорил 27 секунд и положил трубку. Через пару минут перезвонил и на этот раз договорил до конца: рассказал, что нужно и в какой город, бот попрощался, а владельцу компании улетела SMS с карточкой заявки.
