Prata med en AI-assistent med rösten, utan att skriva

Vad ett livesamtal med rösten är

En session i GPT Realtime Assistant är ett samtal som du själv startar och avslutar. Tryck på Starta (Starta session på iPad och Mac) så är mikrofonen öppen: det du säger visas som ett transkript, och assistentens svar visas bredvid. Du trycker inte på något mellan frågorna. Assistenten svarar på varje replik av sig själv, så rytmen påminner mer om att prata med en människa än om att diktera i en sökruta.

Det är ett samtal, inte en rad separata kommandon. En följdfråga som ”och den andra?” eller ”kortare, tack” tolkas i ljuset av det som kom före, precis som en människa som hade lyssnat skulle göra.

Det fungerar på iPhone och iPad med iOS eller iPadOS 26 eller senare, och på en Mac med Apple silicon och macOS 26 eller senare.

Starta ett, steg för steg

Mindre än en minut, varav det mesta går åt till att bestämma var enheten ska stå.

1. Öppna appen och starta en ny session. För allmänna frågor räcker en session med dina egna instruktioner; en mall hjälper när samtalet har ett syfte, som Kodningsuppgift eller Intervju.
2. Välj Detaljnivå: Kortfattad, Balanserad eller Detaljerad. Balanserad är standard.
3. Kontrollera att Översätt är avstängt. Översättning är en inställning för hela appen som förblir påslagen tills du stänger av den, och medan den är på översätts allt du säger från ett språk till ett annat.
4. Ställ enheten upprätt där du kan läsa den utan att ta upp den: i ett ställ på skrivbordet, lutad mot väggen bakom köksbänken, på soffans armstöd.
5. Tryck på Starta och ställ din fråga som du skulle fråga en människa.
6. Tryck på Avsluta när du är klar. Samtalet finns kvar i sessionens historik, på enheten.

Avbryt genom att prata

När du börjar prata avbryter assistenten sitt pågående svar. Det är hela mekanismen, och det är den som gör ett röstsamtal användbart: du behöver inte vänta ut ett svar som har gått åt fel håll, och du behöver inte leta efter en knapp för att korta av det.

Använd det som du skulle göra med en människa som har missförstått frågan. ”Nej, jag menade tåget, inte flyget.” ”Bara siffran.” ”Hoppa över bakgrunden — vad gör jag nu?” Assistenten tar till sig rättelsen och fortsätter därifrån.

Mikrofonen hör rummet, inte bara dig. En annan person som pratar i närheten, eller en tv, når den på samma sätt som din röst, så ett tyst hörn ger ett renare samtal än ett fullt kök.

Kortfattad, Balanserad eller Detaljerad

Inställningen Detaljnivå avgör hur långa svaren är. Den betyder mer när du pratar än när du skriver, eftersom du frågade med rösten och nu läser svaret på armlängds avstånd, ofta medan du gör något annat.

Du kan också be om ett kortare eller längre svar i stunden — ”på en rad”, ”förklara det ordentligt” — utan att ändra inställningen.

• Kortfattad: de kortaste svaren. Rätt för snabbt fram och tillbaka, för ett faktum du behöver medan händerna är upptagna, och för allt du vill ta in med en blick.
• Balanserad: standard, mitt emellan. Ett rimligt val när du ännu inte vet vad samtalet kommer att bli.
• Detaljerad: för när du sitter ner och vill ha resonemanget, stegen eller alternativen utlagda i sin helhet.

Håll skärmen tänd

Det är regeln som folk missar. En livesession avslutas när appen hamnar i bakgrunden eller skärmen låses: appen visar ”App inaktiv. Realtidssessionen stängd.” och slutar lyssna. Att läsa ett meddelande i en annan app, eller låta telefonen låsa sig själv på bordet, avslutar samtalet.

Det är också därför handsfree här inte betyder handsfree under bilkörning. Svaren finns på skärmen, och att läsa en skärm är inget man gör bakom ratten.

För allt längre än en snabb fråga:

• Ställ in en längre tid för Automatisk låsning i enhetens Inställningar medan du använder appen, och ändra tillbaka efteråt.
• Ha enheten på laddning vid en lång session. En öppen mikrofon och en tänd skärm drar mer batteri än en telefon som ligger oanvänd.
• Om sessionen ändå stängs, gå tillbaka till appen och starta den igen. Transkriptet hittills finns kvar i sessionen.

När du inte kan prata högt

Vissa platser passar inte för att prata med en telefon: tyst avdelning på tåget, ett öppet kontorslandskap, ett rum där någon sover. Skriv i stället. Rutan ”Fråga AI eller klistra in sammanhang…” tar emot samma frågor, och svaren kommer tillbaka på samma sätt. Det är också stället att klistra in något långt — ett mejl, en instruktion, ett stycke du vill ha förklarat — vilket går snabbare än att säga det högt.

Knappen Mikrofon stänger av mikrofonen och slår på den igen, för stunder när du vill ha kvar sessionen öppen utan att den lyssnar.

Som standard är det OpenAI:s modell som hör ljudet. Under ”Lyssnar” kan du i stället välja Apple Speech: dina ord transkriberas på enheten, och texten skickas till GPT för svaret. Det ändrar var transkriberingen sker; svaret kommer fortfarande från molnet.

Om svaren är svåra att läsa där enheten står går Inställningar › Utseende › Chatteckensnittsstorlek i appen upp till Extra stor, utöver textstorleken som är inställd för hela enheten.

Vad det är, och vad det inte är

Det är en samtalspartner som du pratar med: den svarar på frågor, förklarar, skriver utkast och tänker igenom saker med dig. Det är ingen ersättning för Siri. Den kan inte styra telefonen: den ställer inte in timer eller alarm, skickar inga meddelanden, ringer inga samtal, öppnar inga appar och ändrar inga inställningar. Den svarar; du agerar.

Den väntar inte heller i bakgrunden på att bli tilltalad. Den lyssnar bara medan en session är öppen på skärmen framför dig, och sessionen avslutas när du trycker på Avsluta eller lämnar appen.

Molnsessioner kräver internetuppkoppling. Under en sådan går ljudet från enheten direkt till OpenAI:s Realtime API; sessionen sparas på enheten; Arte Softs servrar tar aldrig emot ljudet, transkripten eller svaren. Det enda sättet att köra en session utan uppkoppling är en lokal session på en Mac med Apple silicon, med modeller som laddas ner en gång i Inställningar.

Appen är gratis att ladda ner, och sessioner kräver en prenumeration; molnsessioner drar krediter för det ljud och den text de använder, vilket guiden om vad en session kostar förklarar. Och ett svar är inget faktum förrän du har kontrollerat det. För allt som spelar roll — en dos, en tidsfrist, en juridisk fråga — använd svaret för att veta vad du ska fråga, och fråga någon som är behörig.