พูดคุยกับ AI แบบไม่ต้องพิมพ์: พูดถาม ได้คำตอบเป็นข้อความ

บทสนทนาแบบสดด้วยการพูดคืออะไร

เซสชันใน GPT Realtime Assistant คือบทสนทนาที่คุณเริ่มและจบเอง แตะ “เริ่ม” (บน iPad และ Mac คือ “เริ่มเซสชัน”) แล้วไมโครโฟนจะเปิด สิ่งที่คุณพูดจะขึ้นเป็นบันทึกถอดเสียง และคำตอบของผู้ช่วยจะขึ้นข้างๆ ไม่ต้องกดอะไรระหว่างคำถาม ผู้ช่วยตอบแต่ละช่วงเอง จังหวะจึงใกล้เคียงการคุยกับคน มากกว่าการพูดใส่ช่องค้นหา

มันเป็นบทสนทนาเดียว ไม่ใช่คำสั่งแยกๆ ต่อกัน คำถามต่อเนื่องอย่าง “แล้วข้อที่สองล่ะ” หรือ “สั้นกว่านี้หน่อย” จะถูกเข้าใจตามสิ่งที่พูดมาก่อน เหมือนคนที่ฟังอยู่ตลอด

ใช้ได้บน iPhone และ iPad ที่มี iOS หรือ iPadOS 26 ขึ้นไป และบน Mac ที่ใช้ Apple silicon กับ macOS 26 ขึ้นไป

เริ่มต้น ทีละขั้น

ใช้เวลาไม่ถึงนาที ส่วนใหญ่หมดไปกับการเลือกว่าจะวางอุปกรณ์ตรงไหน

1. เปิดแอปแล้วเริ่มเซสชันใหม่ สำหรับคำถามทั่วไป เซสชันที่มีคำสั่งของคุณเองก็พอ เทมเพลตช่วยได้เมื่อบทสนทนามีจุดประสงค์ เช่น “งานเขียนโค้ด” หรือ “สัมภาษณ์”
2. เลือก “ระดับรายละเอียด” เป็น “สั้น” “สมดุล” หรือ “ละเอียด” ค่าเริ่มต้นคือ “สมดุล”
3. ตรวจว่า “แปล” ปิดอยู่ การแปลเป็นการตั้งค่าทั้งแอปที่เปิดค้างไว้จนกว่าคุณจะปิด และขณะเปิดอยู่ ทุกอย่างที่คุณพูดจะถูกแปลจากภาษาหนึ่งเป็นอีกภาษา
4. ตั้งอุปกรณ์ไว้ในจุดที่อ่านได้โดยไม่ต้องหยิบ บนขาตั้งบนโต๊ะ พิงผนังหลังเคาน์เตอร์ครัว หรือบนที่วางแขนโซฟา
5. แตะ “เริ่ม” แล้วถามคำถามแบบที่คุณจะถามคน
6. แตะ “สิ้นสุด” เมื่อเสร็จ บทสนทนาจะอยู่ในประวัติของเซสชันบนอุปกรณ์

พูดแทรกเพื่อขัดจังหวะ

เมื่อคุณเริ่มพูด ผู้ช่วยจะหยุดคำตอบที่กำลังตอบอยู่ นั่นคือกลไกทั้งหมด และเป็นสิ่งที่ทำให้บทสนทนาแบบพูดใช้งานได้ คุณไม่ต้องรอให้คำตอบที่ไปผิดทางจบ และไม่ต้องหาปุ่มเพื่อตัดบท

ใช้เหมือนตอนคุยกับคนที่เข้าใจคำถามผิด “ไม่ใช่ หมายถึงรถไฟ ไม่ใช่เที่ยวบิน” “ขอแค่ตัวเลข” “ข้ามที่มาไปเลย ตอนนี้ต้องทำอะไร” ผู้ช่วยจะรับคำแก้แล้วไปต่อจากตรงนั้น

ไมโครโฟนได้ยินทั้งห้อง ไม่ใช่แค่คุณ คนอื่นที่คุยอยู่ใกล้ๆ หรือทีวี ไปถึงไมโครโฟนเหมือนเสียงคุณ มุมเงียบๆ จึงทำให้บทสนทนาสะอาดกว่าห้องครัวที่วุ่นวาย

สั้น สมดุล หรือละเอียด

“ระดับรายละเอียด” กำหนดว่าคำตอบยาวแค่ไหน ในบทสนทนาแบบพูด เรื่องนี้สำคัญกว่าตอนพิมพ์ เพราะคุณถามด้วยการพูด แล้วต้องอ่านคำตอบจากระยะแขน บ่อยครั้งขณะทำอย่างอื่นไปด้วย

คุณยังขอคำตอบที่สั้นหรือยาวขึ้นได้ในตอนนั้น เช่น “ตอบบรรทัดเดียว” “อธิบายให้ละเอียด” โดยไม่ต้องเปลี่ยนการตั้งค่า

• “สั้น”: คำตอบสั้นที่สุด เหมาะกับการโต้ตอบเร็วๆ ข้อเท็จจริงที่ต้องการขณะมือไม่ว่าง และทุกอย่างที่อยากเข้าใจได้ในแวบเดียว
• “สมดุล”: ค่าเริ่มต้น อยู่ตรงกลางระหว่างสองแบบ เป็นตัวเลือกที่สมเหตุสมผลเมื่อยังไม่รู้ว่าบทสนทนาจะไปทางไหน
• “ละเอียด”: สำหรับตอนที่นั่งลงและอยากได้เหตุผล ขั้นตอน หรือตัวเลือกแบบครบถ้วน

อย่าให้หน้าจอดับ

นี่คือกฎที่คนมักพลาด เซสชันสดจะจบเมื่อแอปไปอยู่เบื้องหลังหรือหน้าจอล็อค แอปจะขึ้นว่า “แอปไม่ทำงาน ปิดเซสชันเรียลไทม์แล้ว” และหยุดฟัง การเช็กข้อความในแอปอื่น หรือปล่อยให้โทรศัพท์ล็อคเองบนโต๊ะ ทำให้บทสนทนาจบ

นี่เป็นเหตุผลเดียวกันที่ “ไม่ต้องใช้มือ” ในที่นี้ไม่ได้หมายถึงใช้ขณะขับรถ คำตอบอยู่บนหน้าจอ และการอ่านหน้าจอไม่ใช่สิ่งที่ควรทำหลังพวงมาลัย

สำหรับอะไรที่นานกว่าคำถามสั้นๆ

• ตั้ง “ล็อคอัตโนมัติ” ให้นานขึ้นใน “การตั้งค่า” ของอุปกรณ์ระหว่างใช้แอป แล้วตั้งกลับหลังจากนั้น
• เสียบสายชาร์จสำหรับเซสชันยาว ไมโครโฟนที่เปิดอยู่และหน้าจอที่สว่างใช้แบตมากกว่าโทรศัพท์ที่วางเฉยๆ
• ถ้าเซสชันปิดไป ให้กลับไปที่แอปแล้วเริ่มใหม่ บันทึกถอดเสียงที่ได้มาแล้วยังเก็บอยู่ในเซสชัน

เมื่อพูดออกเสียงไม่ได้

บางที่ไม่เหมาะกับการพูดใส่โทรศัพท์ เช่น ตู้รถไฟที่เงียบ ออฟฟิศแบบเปิดโล่ง ห้องที่มีคนนอนอยู่ ให้พิมพ์แทน ช่องที่เขียนว่า “ถาม AI หรือวางบริบท...” รับคำถามแบบเดียวกัน และคำตอบก็กลับมาแบบเดียวกัน ที่นี่ยังเป็นที่วางข้อความยาวๆ เช่น อีเมล คำแนะนำ หรือย่อหน้าที่อยากให้อธิบาย ซึ่งเร็วกว่าอ่านออกเสียง

“ไมค์” ปิดและเปิดไมโครโฟน สำหรับตอนที่อยากเปิดเซสชันไว้แต่ไม่อยากให้มันฟัง

โดยค่าเริ่มต้น โมเดลของ OpenAI เป็นผู้ฟังเสียง ใน “กำลังฟัง” คุณเลือก Apple Speech แทนได้ คำพูดของคุณจะถูกถอดเสียงบนอุปกรณ์ และข้อความจะถูกส่งไปให้ GPT ตอบ สิ่งที่เปลี่ยนคือที่ที่การถอดเสียงเกิดขึ้น ส่วนคำตอบยังมาจากคลาวด์

ถ้าอ่านคำตอบยากจากจุดที่ตั้งอุปกรณ์ไว้ “การตั้งค่า” › “ลักษณะที่ปรากฏ” › “ขนาดตัวอักษรแชท” ในแอปปรับได้ถึง “ใหญ่พิเศษ” ใช้ซ้อนกับขนาดตัวอักษรที่ตั้งไว้สำหรับทั้งอุปกรณ์

มันคืออะไร และไม่ใช่อะไร

มันคือคู่สนทนาที่ตอบคำถาม อธิบาย ร่างข้อความ และคิดเรื่องต่างๆ ไปกับคุณผ่านการพูด มันไม่ใช่สิ่งทดแทน Siri มันควบคุมโทรศัพท์ไม่ได้ ไม่ตั้งเวลาหรือนาฬิกาปลุก ไม่ส่งข้อความ ไม่โทรออก ไม่เปิดแอป ไม่เปลี่ยนการตั้งค่า มันตอบ คุณลงมือ

มันยังไม่ได้รออยู่เบื้องหลังให้เรียก มันฟังเฉพาะตอนที่เซสชันเปิดอยู่บนหน้าจอตรงหน้าคุณ และเซสชันจะจบเมื่อคุณแตะ “สิ้นสุด” หรือออกจากแอป

เซสชันคลาวด์ต้องต่ออินเทอร์เน็ต ระหว่างเซสชัน เสียงถูกส่งจากอุปกรณ์ตรงไปยัง Realtime API ของ OpenAI เซสชันเก็บอยู่บนอุปกรณ์ และเซิร์ฟเวอร์ของ Arte Soft ไม่เคยได้รับเสียง บันทึกถอดเสียง หรือคำตอบ ทางเดียวที่จะใช้เซสชันได้โดยไม่มีอินเทอร์เน็ตคือเซสชันบนเครื่องใน Mac ที่ใช้ Apple silicon ด้วยโมเดลที่ดาวน์โหลดครั้งเดียวใน “การตั้งค่า”

แอปดาวน์โหลดฟรี และเซสชันต้องมีการสมัครสมาชิก เซสชันคลาวด์ใช้เครดิตตามเสียงและข้อความที่ใช้ ซึ่งคู่มือเรื่องค่าใช้จ่ายของเซสชันอธิบายไว้ และคำตอบยังไม่ใช่ข้อเท็จจริงจนกว่าคุณจะตรวจสอบ สำหรับเรื่องสำคัญ เช่น ขนาดยา กำหนดส่ง คำถามทางกฎหมาย ใช้คำตอบเพื่อรู้ว่าควรถามอะไร แล้วถามคนที่มีคุณสมบัติ