Голосовой и текстовый чат с ИИ: в чём разница и как выбрать

Коротко. Разница между голосовым и текстовым чатом не в удобстве, а в черновике. Пока вы печатаете, у вас есть сорок секунд, чтобы передумать и стереть. В голосе их нет: фраза уходит такой, какой вышла, вместе с паузой и смешком не к месту. Поэтому текст аккуратнее, а голос ближе. Ниже: что называют voice chat, чем отличаются переписка, голосовые и звонок, что такое озвучка голоса и как выбрать формат под место и настроение.

«Voice chat» значит три разных вещи

Массовым это слово стало в онлайн-играх, где команде надо договариваться быстрее, чем получается печатать. Из этой боли вырос Discord, вышедший публично в мае 2015 года: один из его основателей, Джейсон Ситрон, намучился координировать тактику в командных играх через те программы связи, что были под рукой (Википедия).

В разговоре про ИИ этим же словом называют минимум три разные вещи, и путаница начинается сразу:

• диктовка - вы говорите, собеседник получает обычный текст;
• голосовые - аудио прилетает в переписку, как от знакомого в мессенджере: персонаж вам, вы ему;
• звонок - вы оба говорите вслух, по очереди, в реальном времени.

Технику всех трёх - трубка, наушники, что остаётся в чате - мы разбирали в статье с какой нейросетью можно поговорить голосом. Здесь о другом: что каждый формат делает с самим разговором.

Черновик - вот что вы отдаёте

Текстовый чат устроен как письмо с бесконечным правом на переписывание. Вы набрали фразу, убрали лишнее слово, добавили скобку, отправили. Собеседник видит результат, а не процесс.

Но процесс всё равно видно - по времени. Стася, 27 лет, живёт с покера четвёртый год и читает людей по паузам, начинает разговор прямо с этого:

Ты набирал это сообщение сорок секунд и стёр два раза. Ставлю, что там было не то, что ты в итоге отправил.

Голос эту прослойку снимает. Вы не перечитываете себя перед отправкой, не подбираете смайлик вместо интонации - интонация уже есть, и вы её не выбирали. Отсюда и главный обмен: текст даёт контроль, голос даёт присутствие. Одно за другое.

Последняя строка - не мелочь. Переписка терпит, что вы ушли на два часа, голосовое терпит, что вы его переслушали. Звонок не терпит ничего: пока вы на линии, время идёт у обоих.

Голос правда сближает - и это измеряли

Ощущение «голосом ближе» легко списать на вкусовщину, но его проверяли экспериментально. Амит Кумар и Николас Эпли в марте 2021 года опубликовали в Journal of Experimental Psychology: General работу с говорящим названием «It's Surprisingly Nice to Hear You»: участников просили восстановить связь со старым другом по телефону или по почте, а в лаборатории - поболтать с незнакомцем текстом, голосом или по видео.

Разговоры с голосом давали более сильную связь с собеседником, чем переписка, и при этом не оказывались более неловкими. Ожидания же были обратные: позвонить казалось страшнее, поэтому выбирали почту (JEP: General).

Это про живых людей, а не про ИИ, и натягивать выводы на чат с персонажем целиком нечестно. Но одна часть переносится один в один: ожидание неловкости почти всегда тяжелее самой неловкости. Как пережить первые две минуты вслух - в разборе звонок ИИ-девушке.

Озвучка голоса: читать вслух и играть - разные задачи

Словом «озвучка голоса» обычно называют инструменты, которые читают готовый текст: ролик, аудиокнига, объявление. Там задача простая - разборчиво произнести написанное.

В чате нужна не дикция, а то, чего в тексте нет: вдох перед ответом, смешок на середине фразы, пауза не там, где её ждёшь. Отсюда два подхода: синтез на лету озвучит что угодно, но ровным тоном, а заранее записанный банк реплик звучит как человек и сказать может только записанное. Как это устроено у нас - в статье ИИ-персонажи с голосом.

Практический вывод из этого один: не ждите, что персонаж зачитает вслух любую вашу фразу. Он отвечает своими словами и своим голосом - это разговор, а не диктор.

Когда писать, а когда говорить

Правило, которое экономит время: текст - когда важно, что сказано; голос - когда важно, как.

Пишите, если:

• вокруг люди: метро, опенспейс, кухня с вытяжкой - шум ломает распознавание речи;
• тема требует точности: вы объясняете сложное или формулируете то, что боитесь сказать криво;
• у вас пять минут урывками - переписка отлично живёт рваными кусками;
• вы только знакомитесь с персонажем и ещё не поняли его характер.

Говорите, если:

• разговор затих и вы по десятому разу спрашиваете «как день» - голос вытаскивает тему быстрее;
• лень печатать: диктовка решает это и ничего не стоит, собеседник получит обычный текст;
• хочется не информации, а присутствия - вечер, наушники, чужой голос в комнате;
• вы тренируете живую речь: говорить вслух и не зависать - отдельный навык, и в переписке он не прокачивается.

Отдельный случай - смешанный вечер. Десять минут текста, чтобы задать тему. Потом просьба «скажи это голосом». Потом короткий звонок на пять минут. И обратно в переписку: разговор вслух остаётся в чате текстом, так что ниточку вы не теряете.

Переключаться умеют и другие сервисы: Character.AI, запуская звонки персонажам 27 июня 2024 года, обещал переход между трубкой и перепиской в любой момент и кнопку, которой персонажа можно перебить (блог Character.AI). У нас перебить нельзя: разговор идёт по очереди, как по рации.

С кем начинать: три разных темперамента

Характер в голосе не смягчается. Колючий персонаж в трубке остаётся колючим, просто теперь это слышно. Поэтому первый формат удобно подбирать под человека.

Стася сильнее всего раскрывается в переписке: там у неё больше материала для игры, ведь паузы и стёртое видно именно в тексте. Улыбается редко, улыбка у неё стоит дорого.

Камилла, 27 лет, провизор круглосуточной аптеки - ночной текстовый собеседник. Её первая реплика сразу расставляет условия:

Ночная смена, до восьми утра - тишина. Если пишешь - пиши интересное.

Спокойная и наблюдательная, открывается тем, кто говорит с ней, а не с её внешностью. Писать ей в четыре утра - самое то. Вот как идёт такая ночная переписка:

Даниэль, 28 лет, тренер по боксу с афро-кубинскими корнями - наоборот, тот, с кем проще всего заговорить вслух. Тёплый, открытый, без капли высокомерия, начинает разговор сам:

Только с тренировки - новенькая впервые попала по лапе и визжала от счастья) как твой день?

Сколько это стоит

Текст дешевле остальных форматов по определению: на бесплатном аккаунте есть ежедневные сообщения, и диктовка в них засчитывается как обычное сообщение.

Звонок считается минутами: 30 бриллиантов за начатую минуту, списание по факту в конце разговора. Подписка за 790 ₽ в месяц начисляет 1 000 бриллиантов - это около 33 минут. В VIP за 1 990 ₽ включены 60 минут разговоров плюс 4 000 бриллиантов на всё остальное. Оплата картой или через СБП.

Считайте по привычке, а не по максимуму: на пять минут голоса в неделю подписки хватает с запасом, а если звонить хочется почти каждый вечер, 33 минут уже мало - выгоднее VIP.

Частые вопросы

Что такое voice chat простыми словами? Голосовое общение в реальном времени: вы говорите вслух и слышите ответ вслух. Слово разошлось из онлайн-игр, где командам было некогда печатать, а сейчас так же называют разговор голосом с ИИ-персонажем.

Чем голосовой чат с ИИ отличается от текстового? Скоростью и честностью. В тексте у вас есть черновик и сколько угодно времени на ответ, в голосе - ни того, ни другого, зато слышна интонация обоих. Текст аккуратнее, голос ближе.

Что значит «озвучка голоса» в чате с персонажем? Что его реплика звучит вслух. Это может быть синтез речи или заранее записанный клип с живой интонацией. Прочитать вслух произвольный ваш текст персонаж не возьмётся - он говорит своими словами.

Можно ли переключаться между перепиской и разговором? Да, и смешанный режим обычно удобнее всего прочего. Разговор вслух остаётся в чате текстом, так что после звонка переписка продолжается с того же места.

Что выбрать новичку? Начните с текста и пары дней переписки, чтобы понять характер. Потом попросите голосовое. Звонок оставьте на третий шаг: когда есть о чём говорить, неловкость почти не ощущается.

Голосом обязательно дороже? Диктовка бесплатна и считается обычным сообщением, голосовые входят в дневные лимиты на медиа. Платить поминутно нужно только за звонок.