A voz é uma das formas mais úteis de interagir com IA para trabalhar, mas parece ter sido parcialmente abandonada para uso sério, exceto no caso de "conversar com um amigo". Todos os modos de voz só acessam modelos fracos com baixa latência, tornando-os rápidos e divertidos, mas meio inúteis.

Se você não pensa em modelos de voz como uma conversa divertida, mas sim como uma forma de trabalhar, isso sugere que pausas são aceitáveis, até preferidas (não fale comigo a menos que tenha algo a dizer). E UXs alternativos além de "conversar com sua IA sobre o clima" tornam-se possíveis de explorar.

Também quero desligar a respiração, as risadinhas e as disfluências. Antropomorfismo pode ser útil em muitos casos, mas acaba sendo demais, especialmente para discussões sérias. O tom está estranho, soa agradável e desacelera o ritmo.

Quando o Advanced Voice Mode foi lançado, achei que conversar com IA seria uma das principais formas de as pessoas trabalharem com IA, dada a facilidade e velocidade da discussão em comparação com a digitação. Mas parece que a voz ficou presa em um beco sem saída de chat divertido, sem explorar abordagens melhores.