В четверг Anthropic переработала голосовой режим Claude, чтобы он работал на всей линейке моделей компании — Opus, Sonnet и Haiku — вместо того чтобы незаметно понижать каждый устный разговор до самой маленькой модели. В примечании к релизу это названо «Think through hard problems in voice mode», что довольно прямолинейно признает, на что голосовой режим раньше был не способен.
Что именно было сломано
Переключатель модели в Claude в голосовом режиме был декоративным. Независимо от выбора пользователя, устные разговоры запускались на Haiku 4.5 — первоначально его выбрали, чтобы снизить задержку. Теперь голосовой режим по умолчанию использует последнюю модель, применявшуюся в текстовом чате, автоматически выбирает самую быструю доступную версию в рамках этой модели и может переключаться в ходе разговора.
Инструменты через голос
Более важная часть обновления — коннекторы. Теперь голосовой режим может обращаться к Gmail, Google Calendar, Slack, Canva и Notion, а значит, можно диктовать письмо и сохранять его голосом. Сейчас Anthropic — единственный крупный помощник, который позволяет делать это через голосовой режим: голосовой режим OpenAI по-прежнему не может управлять инструментами.
Тарифы и языки
На бесплатных аккаунтах доступны только Haiku и один подключенный инструмент. На платных — все модели и все инструменты. Языки — 11 локализационных вариантов, охватывающих десять языков, включая хинди, индонезийский, японский, корейский и два варианта испанского, — доступны на всех тарифах, включая бесплатный, хотя автоопределения нет. Функция находится в бета-версии на мобильных устройствах, десктопе и в вебе; Anthropic говорит, что она «лучше всего работает с телефона».
Все еще по очереди
Это обновление про интеллект и инструменты, а не про речь. Голосовой режим Claude по-прежнему работает по очереди — слушает, делает паузу, отвечает, — тогда как OpenAI GPT-Live работает в полнодуплексном режиме, говоря и слушая одновременно. Обработка прерываний не улучшилась, а Anthropic не публиковала данных о задержке. У конкурентов речь по-прежнему звучит естественнее.