Pričaj sa telefonom: Podesi ChatGPT glasovne komande [DIY]
Profesionalni digitalni asistent košta hiljade dolara godišnje kroz pretplate i specifičan hardver koji zastarijeva brže od tvog prošlogodišnjeg laptopa. Ti već imaš procesor u džepu vrijedan preko 800 eura koji uglavnom služi za skrolovanje besmislenih videa, dok bi mogao biti tvoj lični operativni sistem. Ovaj vodič ti štedi stotine sati kucanja i barem 50 eura mjesečno za skupe ‘smart-home’ pretplate. Do kraja teksta ćeš imati telefon koji reaguje na tvoje psovke, komande i šaputanja, bez da ikada više pipneš ekran prljavim prstima dok radiš u radionici.
Zašto ti obična Siri i Google Assistant nisu dovoljni (The Reality Check)
Siri je gluva na tvoj kontekst, a Google Assistant te tretira kao izvor podataka za oglase. Ako pokušaš da ih pitaš kako da popraviš navoj na starom šarafu, dobićeš link ka Wikipediji. ChatGPT u glasovnom režimu (Advanced Voice Mode) zapravo razumije fiziku tvoje muke. Ali, kvaka je u tome što ga većina ljudi koristi pogrešno—otvaraju aplikaciju, čekaju da se učita, pa tek onda pričaju. To nije DIY, to je gubljenje vremena. Mi ćemo ga ‘ubosti’ direktno u operativni sistem telefona. Pripazi na bateriju; ovaj proces crpi oko 15% više energije jer procesor mora stalno da osluškuje frekvencije tvog glasa.
WARNING: Privatnost je ovdje kritična tačka. Ako postaviš ‘Always-on’ mikrofon preko trećih strana, tvoji razgovori u spavaćoj sobi postaju nečiji dataset. Koristi isključivo zvanične API ključeve ili nativne Shortcuts funkcije o kojima pišem ispod.
Hardver koji zapravo trebaš: Više od obične slušalice
Ne kupuj skupe ‘AI pinove’. Treba ti telefon sa barem 8GB RAM-a da bi Voice Mode radio bez onog iritantnog ‘seckanja’ (latency). Ako ti je zvuk mutan, to nije do softvera; tvoj mikrofon je vjerovatno pun prašine iz radionice. Uzmi čačkalicu i lagano iščačkaj gunk iz rupica na dnu telefona. Osjetit ćeš onaj blagi otpor sabijene prašine—izvuci to napolje. Provjeri koji hardver ti je potreban za ozbiljniji AI rad ako planiraš ovo dizati na nivo cijele kuće.
Podešavanje na iOS-u: Action Button Hak
Ako imaš iPhone 15 Pro ili noviji, onaj mali taster sa strane je tvoj najbolji prijatelj. Ne stavljaj ga na ‘Silent mode’, to je za amatere. Mapiraj ga na ChatGPT Voice Shortcut. Kada pritisneš to dugme, trebaš čuti onaj tihi ‘ping'—to je znak da te mašina sluša. Ali pazi, ako ga ne pritisneš dovoljno jako, Shortcut će se prekinuti na pola rečenice. To je onaj mehanički osjećaj klika koji moraš osjetiti pod palcem.
The Anatomy of a Screw-Up: Zašto će tvoj telefon ‘pobudaliti’ u džepu
Desit će se ovo: telefon će u tvojim farmerkama registrovati pritisak, pokrenuti ChatGPT i početi da snima tvoj razgovor sa prodavačicom dok kupuješ hljeb. Rezultat? Dobit ćeš transkript od 500 riječi o cijeni peciva i tvojoj lošoj frizuri. Da bi ovo izbjegao, moraš u skripti postaviti ‘Proximity Sensor’ provjeru. Ako je ekran prekriven (u džepu), komanda se ne pali. Ako ovo preskočiš, tvoj API trošak će pojesti tvoj budžet za pivo brže nego što misliš. Nauči kako popraviti ove skripte odmah prije nego što napraviš haos.
Android i Tasker: Za one koji vole da se zaprljaju kodom
Android korisnici imaju više slobode, ali i više šansi da pokvare sistem. Tasker je tvoj glavni alat. Napravi profil koji reaguje na ‘Double Tap’ na poleđini telefona. Osjeti vibraciju (haptic feedback)—ona mora biti kratka i oštra, kao udarac čekićem o nakovanj. Ako vibracija traje predugo, smanji ‘duty cycle’ u podešavanjima. Glasovne komande mogu potpuno zamijeniti tvoj radni proces ako ih uvežeš sa pametnim svjetlima u garaži.
Zašto ovo radi? (Material Science Digression)
Kada pričaš sa ChatGPT-om, tvoj glas se pretvara u frekvencijski spektar (Fourierova transformacija), a zatim u tokene. Razlog zašto napredni Voice Mode zvuči ljudski, a ne kao robot, leži u ‘latency optimization’. Podaci ne idu u jednom velikom paketu, već se ‘strimuju’ nazad do tebe. To je slično kao kada nanosiš lazuru na drvo—ako naneseš previše odjednom, procurit će. Ako nanosiš u tankim, brzim slojevima, dobit ćeš savršen finiš. Tako i AI šalje male paketiće zvuka koji se spajaju u tvojim ušima bez prekida.
Da li moram stalno biti na internetu?
Da. Za sada, tvoj telefon nema dovoljno ‘mišića’ da vrti GPT-4o lokalno. Ako si u podrumu gdje je signal loš, tvoj AI će mucati. Instaliraj lokalni AI na svoj PC ako želiš privatnost i rad bez interneta, ali za telefon, osuđen si na cloud i barem 4G vezu.
The ‘Off-Label’ Sourcing: Scrappy rješenje za mikrofon
Nemoj kupovati skupe Bluetooth slušalice za radionicu. Uzmi stare žičane slušalice sa mikrofonom, odsijeci jednu slušalicu (onu koja ti ne treba) i zalijepi mikrofon za okovratnik tvoje radne kecelje. Koristi termo-bužir (heat shrink tubing) da osiguraš spoj. To će spriječiti da piljevina uđe u membranu mikrofona, a tvoj glas će biti kristalno jasan čak i dok radi cirkular u pozadini. Samo ga nemoj spržiti upaljačem dok stežeš gumu.
Physics of Regret: Ne ignoriši buku okoline
Buka (noise floor) je ubica AI komandi. Ako u radionici imaš usisivač koji vrišti na 85 decibela, AI će čuti samo haos. Ne pokušavaj ga nadglasati; to je uzaludno i tvoje grlo će nastradati. Umjesto toga, koristi ‘Gate’ funkciju u audio postavkama (ako koristiš Android) koja siječe sve zvukove ispod određenog nivoa jačine. Tako će AI ‘čuti’ samo tebe kada si blizu mikrofona, a ignorisaće brujanje mašina u pozadini.
Finalni test: Da li te mašina razumije?
Sada kada si sve sklopio, uradi test. Reci: ‘Hej, koji je moment pritezanja za glavu motora na Golfu 4?’. Ako ti odgovori u roku od 3 sekunde, uspio si. Ako počne da pretražuje web i nudi ti oglase za gume, tvoja skripta nije dobro uvezana. Vrati se u Shortcuts i provjeri da li je izlaz postavljen na ‘Voice Response’ umjesto na ‘Text’. Ne budi lijen, popravi to odmah ili ćeš baciti telefon o zid prvi put kad ti zatreba brza informacija dok su ti ruke masne od ulja.
