Новий голос ChatGPT: чому «ммм» і паузи дратують користувачів
Нещодавні оновлення голосового режиму ChatGPT мають на меті надати штучному інтелекту голосу більш природні риси, але чи справді це покращує досвід спілкування? Якщо ви не використовуєте голос для взаємодії з ChatGPT, можливо, вам буде дивно чути скарги на якість голосу, тож розберімося детальніше.
Раніше голоси ChatGPT звучали технологічно – іноді плавно і виразно, але все ж таки з легко впізнаваними штучними нотками. Нині ж оновлення прагне усунути навіть ці залишки «роботозвучності». У результаті голос став переповнений паузами, коливаннями інтонації та тими дрібними звуками, які люди автоматично видають у розмові.
Що змінилося у нових голосах?
Тепер у голосах ChatGPT часто чути:
- «Умм» та «хмм» у різній кількості;
- навмисно затягнуті «ееей» і раптові «ооо»;
- звуки, схожі на подих або зітхання;
- пауза посеред речення, неначе думки перериваються;
- підвищення тону голосу наприкінці фраз, що створює враження питального інтонаційного малюнку.
Ці деталі зроблені для того, щоб голос звучав більш людяно, але насправді вони часто викликають роздратування і відволікають слухача.
Експеримент із зайвими словами в розмові
Для перевірки впливу цих «людських» звуків я послухав кілька голосів ChatGPT в різних варіантах.
Голос Maple
Цей голос має жвавий, жіночий тембр. За п’ять хвилин розмови я нарахував понад 20 повторень «хмм», а також багато довгих «ееей», кілька «ууу», «ооо», і схвальні «так-так». Тембр постійно піднімався в кінці речень, що створювало неприємне відчуття постійної невизначеності.
Голос Vale
Цей голос звучить більш британською англійською – ясний і допитливий. Тут менше «хмм», але більше затягнутих «ооой так» і «ну точно». Інтонація також частенько підвищується, особливо в запитаннях.
Голос Arbor
Більш мужній британський голос Arbor мав спокійний тембр із меншою кількістю розтягнутих звуків. Але його мовлення було рваним, із дивними паузами і різкими переходами, що створювало ефект «зупинок» у середині речень.
Після 20 хвилин таких експериментів я порахував понад 100 зайвих звуків і «заповнювачів» у розмовах.
Як «заповнювачі» впливають на сприйняття
Незважаючи на моє прагнення знайти недоліки в голосах, я помітив дивний ефект: розмова ставала більш живою, і хоч голоси часто дратували, я випадково почав вести дискусію більш природно. Це означає, що навіть при явній штучності голосових патернів наш мозок реагує на них, наче на справжнє спілкування.
Якщо відкрити для себе новий вид розмови із AI, можна помітити, що інтонації і паузи створюють ілюзію діалогу, змушуючи слухача залучатися глибше.
Причини впровадження таких голосових особливостей
- Людям легше сприймати природний потік бесіди з паузами та «ммм», ніж беземоційний роботизований голос;
- Ці елементи допомагають імітувати живе слухання та думання, роблять розмову більш «людяною»;
- Створюється ілюзія соціальної взаємодії, яка змушує користувачів залишатись в діалозі довше.
Водночас варто пам’ятати, що AI не потребує таких сигналів — вони не допомагають йому думати, а радше спрямовані на вплив на користувача.
Соціальні наслідки та емоційне залучення
Дослідження показують, що голосові інтерфейси з більш природними інтонаціями стимулюють емоційне залучення та призводять до антропоморфізації — тобто ми починаємо бачити в AI щось людське. Це може викликати переоцінку здатностей штучного інтелекту, надаючи йому непотрібної «компетентності» лише через голосове оформлення.
Зазначено, що хоча такі сигнали не змушують автоматично довіряти AI, вони змінюють наше сприйняття і реакцію на нього.
Який голос обрати, якщо новий режим дратує?
Якщо оновлений голос заважає зосередитися, варто спробувати інший варіант. Різниця між голосами відчутніша, ніж здається:
- Maple — енергійний, але надмірно «живий» і з нагромадженням зайвих звуків;
- Vale — приємний, але з постійно піднятою інтонацією;
- Arbor — спокійний, хоч і з трохи рваним темпом промови.
Кожен голос має свої особливості, тож вибір варто зробити залежно від особистих уподобань і завдань.
