Tryb głosowy
Na tej stronie
Zaktualizowano 2 listopada 2026 r. — Le Chat to teraz Vibe. Od 28 maja 2026 r. Le Chat funkcjonuje jako Vibe (nadal pod adresem chat.mistral.ai): pojedynczy agent do pracy i kodowania, który zachowuje Twoje konwersacje, ustawienia i subskrypcje. Starsza wersja Le Chat jest nadal dostępna w trybie Chat; w trybie Work agenci pełnią rolę umiejętności (wywoływanych za pomocą `@»), pamięci stanowią bazę wiedzy, a głębokie wyszukiwanie to umiejętność Deep Research. Plany noszą teraz nazwy Mistral Free, Pro, Team i Enterprise. W tej lekcji używamy nazwy Vibe; niektóre opisane tu menu mogły zmienić nazwy lub lokalizację.
Mów naturalnie do swojego asystenta
Tryb głosowy zamienia pisemną wymianę zdań z Vibe w ciągłą rozmowę ustną. Opiera się on na modelu Voxtral firmy Mistral AI do rozpoznawania mowy: Twoja wypowiedź jest zamieniana na tekst, przetwarzana, a odpowiedź jest odczytywana na głos. Korzyść wykracza poza sam komfort – otwiera to możliwości wykorzystania w sytuacjach, które inaczej byś stracił, takich jak prowadzenie samochodu, gotowanie czy przemieszczanie się między spotkaniami.
Aktywacja nie wymaga żadnej konfiguracji. Na smartfonie wystarczy wykonać trzy kroki:
- Otwórz aplikację Vibe na telefonie
- Stuknij ikonę mikrofonu na pasku wprowadzania danych
- Mów naturalnie – Vibe słucha i odpowiada głosem
Na komputerze zasada jest identyczna: ta sama ikona mikrofonu w interfejsie internetowym uruchamia sesję głosową.
Co robi Voxtral
Voxtral to model zamiany mowy na tekst firmy Mistral AI. Transkrybuje Twoją wypowiedź z dużą dokładnością, nawet gdy otoczenie nie jest ciche, i działa w czasie rzeczywistym: nie ma odczuwalnego opóźnienia między końcem Twojego zdania a rozpoczęciem odpowiedzi, co jest kluczowe, aby rozmowa brzmiała jak prawdziwa konwersacja.
Zakres obsługiwanych języków jest szeroki – francuski, angielski, hiszpański, niemiecki, włoski, portugalski, niderlandzki, rosyjski i chiński – co najważniejsze, nie blokuje Cię to na jednym języku. Możesz zmieniać języki w trakcie rozmowy: Voxtral wykrywa mówiony język i dostosowuje się bez konieczności przełączania ustawień. Po jego stronie odpowiedź brzmi naturalnym syntetycznym głosem, a w ustawieniach dostępnych jest kilka głosów, jeśli domyślny Ci nie odpowiada.
Sytuacje, w których głos ma znaczenie
Burza mózgów w ruchu to najbardziej показательowy przypadek użycia. Pomysł przychodzi Ci do głowy podczas spaceru: zamiast notować go w połowie i zapominać, wypowiadasz go na głos, a Vibe pomaga Ci go ustrukturyzować, wykryć słabe punkty i zasugerować dodatkowe kierunki.
Przygotowanie do rozmowy kwalifikacyjnej działa na tej samej zasadzie. Poproś Vibe, aby wcielił się w rolę rekrutera, odpowiedz ustnie tak, jakbyś zrobił to w dniu rzeczywistym spotkania, a następnie wysłuchaj jego oceny i porad: pracujesz nad treścią i formułowaniem myśli w warunkach zbliżonych do rzeczywistych, czego nie umożliwia wymiana pisemna. Nauka języków korzysta z tego samego setupu – prowadź konwersację w języku docelowym, proś o korekty w czasie rzeczywistym i dostosowuj poziom w miarę postępów.
W bardziej praktycznym wymiarze dyktowanie pozostaje znaczącą oszczędnością czasu. Notatki ze spotkań, raport, pomysły rzucone po spotkaniu: podyktuj je, Vibe je transkrybuje i może od razu przekształcić w ustrukturyzowany dokument. Wreszcie, głos ma aspekt dostępności, którego nie należy lekceważyć: sprawia, że Vibe jest używalny dla osób mających problemy z obsługą klawiatury, czy to z powodu niepełnosprawności, czasowych problemów z mobilnością, czy po prostu zajętych rąk.
Mów wyraźnie, aby zostać zrozumianym
Voxtral radzi sobie z hałasem otoczenia, ale uzyskasz lepsze transkrypcje, artykułując w naturalnym tempie, bez bełkotania czy spieszenia się. Jakość polecenia (promptu) ma tak samo duże znaczenie jak w przypadku tekstu: powiedzenie „Najpierw podsumuj artykuł, który właśnie udostępniłem. Następnie zidentyfikuj trzy główne argumenty. Na koniec zaproponuj konstruktywną krytykę“ przyniesie zorganizowaną odpowiedź, podczas gdy „co o tym myślisz?“ wygeneruje niejasności.
Nic nie zmusza Cię do pozostawania w trybie głosowym od początku do końca. Tryb hybrydowy jest często najbardziej produktywny: podyktuj początkowe żądanie, a następnie wróć do tekstu, aby dopracować szczegół, wkleić link lub poprawić sformułowanie. Na koniec weź za nawyk sprawdzanie transkrypcji po długim dyktowaniu – nazwy własne, terminy techniczne i akronimy to słabe punkty każdego systemu rozpoznawania mowy, a kilka sekund korekty uchroni Cię przed budowaniem całego dokumentu na błędnie usłyszanym słowie.
Wypróbuj to teraz, zanim przeczytasz dalej: aktywuj Tryb głosowy na telefonie i zadaj ustnie otwarte pytanie, na przykład: „Jakie są zalety i wady pracy zdalnej dla małej firmy?“. Wysłuchaj odpowiedzi, dopytaj o konkretny punkt, aby sprawdzić, czy wątek jest spójny, a następnie zadaj pytanie po angielsku – zmiana języka następuje bez żadnej akcji z Twojej strony.
Gdzie głos pokazuje swoje ograniczenia
Powrót do klawiatury jest konieczny w kilku przypadkach. Po pierwsze, zapytania wysoce techniczne: dyktowanie kodu, wzoru matematycznego czy tabeli danych jest pracochłonne i obarczone błędami. Bardzo hałaśliwe otoczenie pogarsza dokładność rozpoznawania, mimo odporności modelu. Długie rozmowy, heavily obciążone kontekstem, lepiej prowadzić w formie tekstowej, gdzie możesz przejrzeć i odnieść się do tego, co zostało powiedziane. Dochodzi jeszcze kwestia poufności, często decydująca: w otwartym biurze lub w transporcie publicznym mówienie na głos o tematach zawodowych nie wchodzi w grę.
Kluczowe wnioski
- Tryb głosowy wykorzystuje Voxtral do rozpoznawania mowy w czasie rzeczywistym
- Obsługiwanych jest wiele języków z automatycznym wykrywaniem
- Idealny do burzy mózgów w ruchu, dyktowania i dostępności
- Możesz przełączać się między głosem a tekstem w tej samej rozmowie
- Tekst pozostaje preferowaną formą dla zadań wysoce technicznych lub w hałaśliwym otoczeniu