Можно ли в ГигаЧат записывать вопросы голосом? Да: разбираем микрофон, проверку распознанного текста и разницу между диктовкой, расшифровкой и ответом сервиса.
Евгений
Дизайнер-партнёр LibraChat
6 мин чтения
На вопрос, можно ли в ГигаЧат записывать вопросы голосом, официальные материалы Сбера отвечают утвердительно. В базе знаний о работе с речью прямо описаны голосовой ввод и кнопка микрофона. Но сначала стоит определить задачу: надиктовать короткий вопрос, расшифровать готовую запись или услышать ответ. Наличие микрофона само по себе не описывает все три процесса.
Я бы начал с одного короткого вопроса об афише. На ходу легко проговорить целый поток: фон слишком яркий, заголовок теряется, дата уже согласована, ещё нужно поменять размер. После такой диктовки трудно понять, что именно требуется решить первым. Мне полезнее сначала назвать один предмет обсуждения и только потом проверять, как сервис распознал слова.
Можно ли в ГигаЧат записывать вопросы голосом во всех клиентах одинаково?
Подтверждённое наличие голосового ввода не означает одинаковый вид каждого приложения и браузерной страницы. Официальная статья Сбера описывает микрофон в общем процессе работы с речью. В своём клиенте найди доступный элемент записи и посмотри, что происходит после короткой пробы: появляется текст, запись либо сразу отправляется сообщение. Не переноси расположение кнопки со случайного старого скриншота.
Для первой проверки я выбрал бы нейтральный вопрос без личных сведений. Если приложение или браузер спрашивает доступ к микрофону, внимательно проверь, какой именно сервис его запрашивает. Когда доступ не предоставлен, повтор художественного вопроса не включит запись. Нужно разобраться с соответствующим разрешением в используемом клиенте.
Я не стал бы ради этой проверки менять системные сетевые настройки или устанавливать сторонние расширения. Сначала достаточно понять, есть ли нужный элемент в текущей версии и получает ли он звук. При отсутствии записи полезнее обратиться к справке выбранного клиента, чем вслепую повторять одну и ту же фразу.
Какую голосовую задачу ты решаешь?
Слово «записать» может обозначать разные ожидания. Один человек хочет заменить набор вопроса диктовкой. Другой собирается загрузить часовое интервью. Третий ждёт разговор вслух с ответом голосом. Для каждого случая нужно отдельно проверить вход, результат и доступный инструмент.
Задача · Что передаётся · Что нужно получить · Что проверить отдельно
Надиктовать вопрос — Короткая речь пользователя — Запрос с сохранённым смыслом — Распознанные слова и отправку
Расшифровать запись — Существующий аудиофайл — Текст содержания записи — Поддержку файла и условия обработки
Услышать ответ — Текст или ответ модели — Воспроизведение звука — Функцию озвучивания в конкретном продукте
Эта таблица помогает не ждать от кнопки микрофона больше, чем она делает в выбранном процессе. Удачная диктовка вопроса ещё не проверяет расшифровку большой записи. А хороший текстовый ответ не доказывает, что в этом клиенте есть его озвучивание.
Есть и отдельное ожидание получить сам звуковой файл. Передача вопроса голосом ещё не означает, что тебе будет выдана скачиваемая фонограмма. Если важно сохранить исходное произношение для собственной работы, заранее выбери подходящий способ записи и проверь, какой файл он сохраняет. Не стоит обнаруживать после разговора, что у тебя остался только текст. Для обычного вопроса об афише такой аудиоархив мне не нужен, поэтому я не включаю его в критерий первой пробы.
Для длинного материала есть отдельный разбор перевода записи голоса в текст. В нынешней задаче мне нужен только небольшой вопрос к собеседнику. Поэтому первую пробу я ограничил бы одной законченной мыслью.
Что сказать в первой короткой пробе
Для моего дизайнерского замысла вопрос может быть таким:
Как сделать заголовок афиши заметнее, если фон яркий, а буквы тонкие?
Здесь назван объект, его проблема и два наблюдаемых признака. Не требуется помнить, на какой из десяти макетов указывает слово «этот». Это предложенная формулировка для пробы, а не приведённая расшифровка реально выполненной записи. Ответ сервиса здесь тоже не заявлен.
Если нужно обсудить конкретный макет, вопросу потребуется соответствующий материал или точное словесное описание. Сам голос не передаёт изображение, которое ты держишь перед собой. Человек рядом мог бы увидеть, куда ты показываешь пальцем; текстовый собеседник такого жеста из диктовки не получает.
Перед записью я бы подготовил три опоры:
один объект, например заголовок, а не вся афиша сразу;
одно затруднение, которое хочется решить;
условия, которые нельзя потерять при сокращении вопроса.
Длинный рассказ можно сначала оставить себе как черновик. Но для первого ответа полезно отделить от него сам вопрос. Если он неясен даже после чтения, качество микрофона не исправит постановку задачи. Разобраться с этим помогает материал о смысле неясного текста.
Что проверить в распознанных словах
Официальная база знаний Сбера рекомендует проверять результат распознавания. Я особенно внимательно читал бы отрицания, числа, имена и указания на части макета. Если вместо запрета менять дату получилась просьба её изменить, дальнейший ответ может быть связным, но уже относиться к другой задаче.
Для короткого вопроса достаточно пройти четыре пункта:
Правильно назван предмет обсуждения.
Сохранились важные отрицания и ограничения.
Числа и единицы, если они были, не изменились.
В конце есть понятный вопрос или требуемое действие.
Если клиент даёт исправить текст до отправки, сначала поправь его. Если сообщение уже ушло, явно уточни ошибочный фрагмент следующим ходом. Не нужно оценивать качество совета по вопросу, который ты на самом деле не задавал. Сначала верни исходный смысл, затем читай содержательный ответ.
Мне помогает разделять причины неудачи. Неверно распознанное слово относится к входу. Пропущенное условие, которое вообще не было произнесено, относится к подготовке. Неподходящий совет при точном вопросе относится уже к ответу модели. У этих трёх случаев разные следующие шаги.
Как продолжить работу с вопросом
В LibraChat поддержан голосовой ввод, но это отдельный сервис со своими условиями. Не стоит переносить в него все свойства GigaChat или обещать озвученный разговор на основании одного микрофона. Для вопроса об афише мне достаточно получить верный текст запроса и обсудить композиционное решение.
Если планируешь регулярно работать таким способом, сопоставь задачи с доступом к LibraChat. А первоначальную проверку сделай маленькой: один предмет, одна проблема, одна диктовка. Так будет понятно, что именно требуется уточнить после первой попытки.
Попробуй прямо сейчас проверить отрицание в своём распознанном вопросе. Затем найди слово, которое называет главный объект. Если оба места переданы верно, переходи к оценке ответа. Голосовой ввод сэкономит набор, а смысл задачи останется под твоим контролем.
ГигаЧатголосовой вводдиктовкавопроспроверка текста