Przez 20 minut testowania nowego głosu ChatGPT można dojść do jednego prostego wniosku: najbardziej irytujące w tym rozwiązaniu jest dokładnie to, co sprawia, że działa. Zamiast klasycznego, „techowego” brzmienia, OpenAI postawiło na mowę pełną drobnych zawahań, wtrąceń i pauz, które mają przypominać naturalną rozmowę między ludźmi. I właśnie to wywołuje mieszane uczucia — bo z jednej strony brzmi to mniej sztucznie, a z drugiej potrafi doprowadzić do szału.
Głos, który chce być bardziej ludzki
Do niedawna głosy w ChatGPT były całkiem zaawansowane, ale nadal dało się w nich wyczuć coś mechanicznego. Były płynne, czasem nawet ekspresyjne, ale brakowało im tej przypadkowości, która jest typowa dla prawdziwej mowy. Nowa wersja próbuje ten efekt zamaskować, dodając „umm”, „hmm”, przeciągnięte „yeeeah”, westchnienia i urywanie zdań w nietypowych miejscach.
Efekt? ChatGPT zaczyna brzmieć mniej jak syntezator mowy, a bardziej jak ktoś, kto faktycznie myśli w trakcie rozmowy. Tyle że dla wielu osób taka „ludzkość” nie jest zaletą, tylko źródłem frustracji. Zamiast pomagać, te drobne elementy zaczynają rozpraszać.
To ciekawy przykład tego, jak technologia próbuje naśladować człowieka coraz skuteczniej. Nie zawsze jednak więcej naturalności oznacza lepsze doświadczenie. Czasem to, co brzmi najbardziej „ludzko”, okazuje się najbardziej męczące.
Test na cierpliwość i nawyki
Autor tekstu nie poprzestał na pierwszym wrażeniu. Postanowił potraktować własną irytację jak eksperyment i sprawdzić różne głosy dostępne w ChatGPT. W krótkich rozmowach zaczął liczyć wszystkie wtrącenia, przeciągnięcia i pauzy, które miały nadać AI bardziej naturalny rytm.
Na głosie Maple, jednym z bardziej pogodnych i żeńsko brzmiących wariantów, w ciągu około pięciu minut pojawiło się aż 20 „hmm”. Do tego dochodziły długie „yeeeah”, pojedyncze „uhhh”, „ooooh” i entuzjastyczne odpowiedzi w stylu „yeah, totally”. Inne głosy zachowywały się inaczej, ale wszystkie miały wspólny mianownik: próbowały udawać sposób mówienia prawdziwego człowieka.
Różne głosy, różne problemy
Po Maple przyszedł czas na Vale, czyli bardziej brytyjski, żywy i dociekliwy głos. Tam wtrąceń było trochę mniej, ale za to pojawiały się długie „suuure”, „riiiight” i wyraźnie podnoszona intonacja, zwłaszcza przy pytaniach. Z kolei Arbor, również brzmiący bardziej brytyjsko i męsko, okazał się spokojniejszy, ale za to bardziej poszarpany i sztywny.
To ważna obserwacja: problem nie dotyczy wyłącznie jednej wersji głosu. Każdy z nich próbuje być „bardziej naturalny”, tylko robi to na trochę inny sposób. Dla jednych użytkowników jeden głos będzie mniej drażniący, dla innych zupełnie nie do zniesienia.
Nowa beta iOS 26.2 z innowacyjnym AirDrop i zapowiedzią dużych zmian w asystencie głosowym — warto sprawdzić, jak Apple podchodzi do bardziej naturalnej komunikacji głosowej.
Irytacja, która zamienia się w zaangażowanie
Najciekawsze w tym wszystkim jest to, że nawet kiedy te wtrącenia przeszkadzają, rozmowa i tak zaczyna płynąć inaczej. Autor chciał skupić się na liczeniu „hmmów”, ale z czasem zaczął po prostu rozmawiać z ChatGPT bardziej swobodnie. Mimo że nadal uważał głosy za sztuczne i momentami męczące, zauważył, że jego zachowanie staje się coraz bardziej naturalne.
To właśnie pokazuje siłę takiego projektu. Nie trzeba wierzyć, że po drugiej stronie siedzi prawdziwa osoba, żeby zareagować na ludzkie sygnały. Wystarczy odpowiedni ton, pauza czy intonacja, by nasz mózg zaczął traktować rozmowę bardziej społecznie niż technicznie.
Po co AI mówi „hmm”?
Odpowiedź wydaje się prosta: bo wtedy łatwiej nam z nią rozmawiać. Ludzie nie mówią przecież jak perfekcyjnie wyczyszczone nagranie. Zawieszamy głos, szukamy słów, przeciągamy sylaby i sygnalizujemy w ten sposób uwagę albo zastanowienie.
Problem w tym, że ChatGPT nie potrzebuje takich wypełniaczy. Nie myśli w czasie rzeczywistym i nie musi udawać, że się nam przygląda. Te wszystkie „naturalne” elementy nie wynikają z potrzeby, tylko z projektu — mają sprawić, że kontakt z AI będzie bardziej przypominał rozmowę niż wydawanie poleceń narzędziu.
Gdzie kończy się narzędzie, a zaczyna relacja
I właśnie tu pojawia się większe pytanie. Jeśli AI zaczyna brzmieć coraz bardziej jak człowiek, to czy nadal odbieramy je wyłącznie jako pomocnika? A może zaczynamy przypisywać mu więcej cech społecznych, niż faktycznie posiada? To ważne, bo firmy technologiczne bardzo chętnie opisują swoje systemy jako narzędzia do pracy, nauki i tworzenia, ale jednocześnie projektują je tak, by zachowywały się coraz mniej „narzędziowo”.
To nie musi oznaczać czegoś złego samo w sobie. Miła, płynna rozmowa może po prostu poprawiać komfort korzystania z aplikacji. Ale jednocześnie takie rozwiązania mogą rozmywać granicę między programem a partnerem do interakcji, co dla części użytkowników może być kłopotliwe.
Czy to tylko denerwujące, czy jednak skuteczne?
Na końcu zostaje wniosek dość niewygodny, ale bardzo interesujący. Nawet jeśli nowy głos ChatGPT wydaje się przesadnie „ludzki” i momentami wręcz irytujący, to właśnie dzięki temu działa lepiej, niż mogłoby się wydawać. Zamiast prostej wymiany pytań i odpowiedzi, dostajemy rozmowę, która angażuje nas bardziej naturalnie.
To nie znaczy, że AI kogokolwiek oszukuje albo że udaje świadomość. Chodzi raczej o to, że nasze społeczne odruchy uruchamiają się automatycznie, kiedy słyszymy znajome wzorce mowy. I może właśnie dlatego te wszystkie „hmm”, „yeah” i pauzy są tak skuteczne — nawet wtedy, gdy nas drażnią.
Nowy głos ChatGPT jest strasznie irytujący. Dla mnie te wszystkie wtrącenia w stylu 'hmmm’ i 'yeeeah’ są kompletnie niepotrzebne. Kogo to obchodzi, że AI chce brzmieć bardziej ludzko? Sztuczność też ma swoje zalety, chociażby w płynności rozmowy. Nie wiem, kto wpadł na pomysł, by to zmieniać, ale ja wolę stare, prostsze głosy.
Przez długi czas byłam zwolenniczką ChatGPT, ale ten nowy głos mnie zniechęca. Owszem, brzmi bardziej ludzko, ale każde 'hmm’ to dla mnie porażka! Czasami mam wrażenie, że te przestoje sprawiają, że rozmowa staje się bardziej męcząca. Zamiast skupiać się na odpowiedziach, nie mogę przestać myśleć o tym, ile razy się to powtórzy. Jeszcze przemyślą to?
Zgadzam się z tym, że czasem to brzmienie przypomina bardziej wywiad niż normalną rozmowę. W teorii ma być 'naturalnie’, ale w praktyce czuję się rozproszony tymi 'uyyy’ i 'yyyeaah’. Wydaje mi się, że nie każdy użytkownik chce rozmawiać z AI jak z kumplem przy piwie. Czasem mniej znaczy więcej.
Nie rozumiem, czemu wszyscy narzekają. Mnie ten nowy głos w ogóle nie przeszkadza! Mam wręcz wrażenie, że te 'hmm’ i pauzy są fajnym dodatkiem, przez co rozmowa staje się bardziej dynamiczna. Brawa dla OpenAI za próbę osiągnięcia czegoś realniejszego. Może nie każdemu pasuje, ale ja się nie skarżę.
Chciałbym zauważyć, że jeśli chodzi o realizację inicjatywy, to może i są to tylko wypełniacze, ale dla systemów audio znaczy to znacznie więcej. Zauważyłem, że różne głosy mają odmienne charakterystyki wtrąceń oraz intonacji. Dla niektórych użytkowników może to być plus, ale dla tych, którzy oczekują precyzyjnej komunikacji, to już niekoniecznie. Zastanawiam się, czy zostałby wprowadzony tryb 'formalny’ bez tych sztucznych wtrąceń?
Moje doświadczenie z nowym głosem ChatGPT jest dosyć mieszane. Z jednej strony przyznaję, że brzmi lepiej, ale czasami przeciągnięte 'yeaaah’ jest frustrujące. Z drugiej strony, może właśnie ta irytacja sprawia, że rozmowa staje się ciekawsza? Ale dla mnie te wtrącenia powinny być opcjonalne. Jakieś ustawienia do wyłączenia tego?
Te głosy chcą być 'ludzkie’ i niby fajnie, ale wcale nie czuję się z tym lepiej. Czasem to po prostu przesada. Od kiedy te 'umm’ zaczęły dominować, idzie zgubić nitkę rozmowy. AI to narzędzie, nie terapeuta. Chciałbym więcej konkretów, mniej udawania naturalności. Niech się skupi na tym, co ma do powiedzenia, a nie na sztucznych wypełniaczach.