Gemini Live یا ChatGPT Voice؛ کدام هوش مصنوعی طبیعیتر صحبت میکند؟
Gemini Live و ChatGPT Voice هر دو امکان گفتوگوی صوتی بلادرنگ با هوش مصنوعی را فراهم میکنند، اما تجربه کار با آنها تفاوتهایی دارد. ChatGPT Voice در نحوه بیان و لحن، طبیعیتر و شبیهتر به مکالمه انسانی عمل میکند، در حالی که Gemini Live با اتصال به سرویسهای گوگل و اطلاعات شخصی کاربر، امکانات گستردهتری برای پاسخهای شخصیسازیشده ارائه میدهد.
به گزارش توسعه برند؛ از زمان عرضه ChatGPT در سال ۲۰۲۲، تعامل کاربران با چتباتها بهتدریج از تایپ کردن فراتر رفت و قابلیت گفتوگوی صوتی بلادرنگ به یکی از مهمترین مسیرهای ارتباط با هوش مصنوعی تبدیل شد. ChatGPT یکی از نخستین چتباتهایی بود که چنین تجربهای را ارائه کرد و گوگل نیز با Gemini Live وارد این رقابت شد.
برخلاف دستیارهای صوتی قدیمی مانند Google Assistant، چتباتهای جدید میتوانند درباره موضوعات مختلف گفتوگو کنند، پاسخهای طولانیتر ارائه دهند و حتی برای پیدا کردن اطلاعات بهروز در اینترنت جستوجو کنند. با این حال، رویکرد OpenAI و گوگل به گفتوگوی صوتی تفاوتهایی دارد.
ChatGPT Voice طبیعیتر صحبت میکند
در ظاهر، ChatGPT Voice و Gemini Live شباهت زیادی به یکدیگر دارند. هر دو میتوانند در لحظه پاسخ دهند و چند صدای مختلف را در اختیار کاربر قرار میدهند. تفاوت اصلی به مدلهای هوش مصنوعی مورد استفاده آنها برمیگردد؛ ChatGPT از خانواده مدلهای GPT استفاده میکند و Gemini Live بر پایه مدلهای Gemini کار میکند.
اما در استفاده روزمره، تفاوت تجربه این دو سرویس بیشتر مشخص میشود. ChatGPT Voice معمولاً از واژههای محاورهایتر و نشانههای گفتاری طبیعیتری استفاده میکند تا مکالمه انسانیتر به نظر برسد. برای مثال، این مدل ممکن است هنگام فکر کردن «ممم» یا عباراتی مشابه را به کار ببرد یا حتی در میانه جمله مکث و تپقهای کوتاهی داشته باشد.
در مقابل، پاسخهای Gemini Live معمولاً لحن یکنواختتری دارند که به تفاوت در آهنگ و تأکید کلمات مربوط میشود. البته این ویژگی لزوماً برای همه کاربران یکسان نیست و برخی افراد ممکن است لحن کنترلشدهتر Gemini Live را به بیان پررنگتر ChatGPT ترجیح دهند.
ChatGPT در جستوجوی اطلاعات بهروز عملکرد متفاوتی دارد
تفاوت دیگر میان این دو سرویس در نحوه دسترسی آنها به اطلاعات اینترنتی دیده میشود. بر اساس تجربه نویسنده، ChatGPT Voice بیشتر تمایل دارد پیش از پاسخ دادن اطلاعات موردنیاز را از اینترنت بررسی کند.
برای مثال، زمانی که درباره عرضه اخیر Gemini ۳.۸ Live از هر دو چتبات سؤال شد، Gemini Live ابتدا به اطلاعات موجود در دانش قبلی خود تکیه کرد و اعلام کرد چنین محصولی وجود ندارد. در مقابل، ChatGPT Voice چند ثانیه مکث کرد و پس از جستوجو در اینترنت، پاسخ صحیح را ارائه داد.
البته این تجربه به معنای برتری همیشگی یکی از این دو سرویس در صحت پاسخها نیست و عملکرد آنها میتواند با تغییر مدل، تنظیمات و دسترسی به ابزارهای جستوجو متفاوت باشد. با این حال، در این مقایسه مشخص شد که برای دریافت اطلاعات بهروز از Gemini Live گاهی لازم است کاربر بهطور مشخص از آن بخواهد جستوجو و بررسی انجام دهد.
“”توسعه برند را در اینستاگرام و تلگرام و لینکدین دنبال کنید””
با وجود این تفاوتها، هر دو سرویس میتوانند به پرسشهای مختلف پاسخ دهند، اطلاعات موردنیاز را جستوجو کنند و حتی هنگام مکالمه بین چند زبان جابهجا شوند. البته نباید انتظار داشت کیفیت پاسخهای صوتی همیشه با حالت متنی این چتباتها یکسان باشد، زیرا در مکالمه صوتی سرعت پاسخ اهمیت بیشتری دارد و مدلهای مورد استفاده ممکن است برای پاسخگویی سریعتر، بخشی از تواناییهای مدلهای قدرتمندتر را نداشته باشند.
استفاده رایگان از ChatGPT Voice و Gemini Live چه محدودیتی دارد؟
هر دو سرویس امکان استفاده رایگان از قابلیت مکالمه صوتی را ارائه میکنند، اما کاربران رایگان با محدودیت زمانی و دسترسی مواجه هستند. دلیل این موضوع آن است که پردازش صوتی نسبت به پردازش متن به منابع محاسباتی بیشتری نیاز دارد.
OpenAI و گوگل هر دو اشتراکهای پولی ارائه میکنند که محدودیت استفاده را افزایش میدهند و دسترسی به مدلهای قدرتمندتر را نیز فراهم میکنند. برای نمونه، در ChatGPT، مدل صوتی موجود در سطح رایگان در برخی موارد توانایی استدلال کمتری نسبت به مدلهای بزرگتر دارد.
بر اساس اطلاعات مطرحشده در این مقایسه، اشتراک ChatGPT Go ماهانه ۸ دلار و اشتراک AI Plus گوگل ماهانه ۵ دلار هزینه دارد و سطح بعدی اشتراک در هر دو سرویس ۲۰ دلار در ماه است. یکی از تفاوتهای مهم این اشتراکها، امکانات جانبی آنهاست. برای مثال، طرح پایه گوگل ۴۰۰ گیگابایت فضای ذخیرهسازی ابری ارائه میدهد و امکان اشتراکگذاری آن با حداکثر پنج عضو خانواده وجود دارد.
دوربین، تجربه مکالمه را کاربردیتر میکند
هر دو چتبات امکان استفاده همزمان از دوربین و صدا را نیز فراهم میکنند. به این ترتیب، کاربر میتواند دوربین گوشی را به سمت محیط یا کاری که در حال انجام آن است بگیرد و بهجای توضیح کامل با کلمات، تصویر را در اختیار هوش مصنوعی قرار دهد.
در این مقایسه، از Gemini Live برای کمک به تعمیر و تنظیم یک دوچرخه استفاده شده و چتبات توانسته مراحل کار را توضیح دهد. حتی روی تصویر زنده، نشانههایی قرار داده شده تا کاربر راحتتر پیچهایی را که باید سفت شوند پیدا کند.
با این حال، دسترسی به دوربین در مکالمه صوتی ChatGPT در حال حاضر به اشتراک ۲۰ دلاری محدود شده است. قابلیت مشابه در Gemini برای کاربران رایگان نیز در دسترس است، البته با محدودیت مشخص. حتی اشتراک ارزانتر ChatGPT Go نیز امکان استفاده از دوربین هنگام مکالمه صوتی را ارائه نمیکند.
Gemini Live با اکوسیستم گوگل امکانات بیشتری دارد
یکی از تفاوتهای مهم Gemini Live با ChatGPT Voice به اکوسیستم گستردهتر گوگل مربوط میشود. کاربران میتوانند از Gemini Live روی برخی دستگاههای خانه هوشمند گوگل نیز استفاده کنند. این قابلیت حتی به بعضی از دستگاههای قدیمیتر Nest Audio و Nest Hub نیز راه پیدا کرده است.
البته استفاده از Gemini Live روی دستگاههای خانه هوشمند به اشتراک Google Home Premium با هزینه ماهانه ۱۰ دلار نیاز دارد.
Gemini Live همچنین میتواند با استفاده از اطلاعات موجود در حساب شخصی گوگل، پاسخهای شخصیسازیشدهتری ارائه دهد. قابلیتی با نام Personal Intelligence به این چتبات اجازه میدهد در صورت فعال بودن و وجود دسترسی لازم، اطلاعاتی مانند ایمیلها، ویدئوهای یوتیوب و اسناد ذخیرهشده در Google Drive را در پاسخهای خود لحاظ کند.
برای مثال، در این مقایسه از Gemini Live پرسیده شد که آیا در طول ماه قبضی دریافت شده است یا خیر. چتبات پس از چند ثانیه پردازش، موارد مرتبط موجود در صندوق ورودی Gmail را فهرست کرد.
Gemini Live همچنین میتواند در جریان مکالمه یک رویداد به تقویم اضافه کند و برخی تجهیزات خانه هوشمند را کنترل کند. در مقابل، ChatGPT در حال حاضر به اطلاعات شخصی موجود در سرویسهای گوگل مانند Gmail، Maps و YouTube دسترسی مشابهی ندارد.
کدام تجربه برای کاربران طبیعیتر است؟
در نهایت، انتخاب میان Gemini Live و ChatGPT Voice تا حد زیادی به نوع استفاده کاربر بستگی دارد. اگر طبیعی بودن لحن و شکل مکالمه اهمیت بیشتری داشته باشد، ChatGPT Voice تجربهای محاورهایتر ارائه میکند. در مقابل، Gemini Live از مزیت اتصال به اکوسیستم گسترده گوگل و امکان استفاده از اطلاعات شخصی و سرویسهای مختلف این شرکت برخوردار است.
هر دو سرویس امکان استفاده رایگان را دارند و بنابراین کاربران میتوانند پیش از پرداخت هزینه اشتراک، تجربه مکالمه صوتی هر دو را امتحان کنند و بر اساس نیاز خود تصمیم بگیرند کدام قابلیتها برایشان کاربردیتر است.
