— دیگه سه مدل جدا (تشخیص گفتار، مدل زبانی، تبدیل متن به گفتار) پشت سر هم و خطی کار نمی‌کنن؛ حالا درحالی که مکالمه ادامه داره، در پس‌زمینه مستقیم به مدل‌های متنی جدیدتر و قوی تر برای استدلال و جستجو وصل میشه.

— میشه وسط حرف زدن مدل، حرفشو قطع کرد و اون هم‌زمان که داره صحبت می‌کنه گوش میده.

— میتونه مدت طولانی ساکت و منتظر بمونه، مکالمه رو فراموش نکنه، و وقتی دوباره حرف زدی از همونجا ادامه بده.

— نکته‌ای که خیلی مهمه اینه که صدا خیلی طبیعی و روون شده، ولی به معنی هوشمندتر شدن محتواش نیست — این دوتا لایه‌ی جدا هستن (لایه صوتی و مدل استدلال پشتش). خیلی وقتا طبیعی بودن لحن باعث میشه آدم‌ها به محتوا هم بیش از حد اعتماد کنن، ولی خب مدل هنوز میتونه اشتباه کنه و مطلبی اشتباه رو با اطمینان بیان کنه.

— انقدر طبیعی شده بزودی در آینده‌ی نزدیک کاملا تشخیصش از واقعیت غیرممکن می‌شه.

— @TheVPNMethod