Gdy 2025 dobiega końca, chcieliśmy zakończyć rok czymś znaczącym.
Mieliśmy funkcję połączeń głosowych. Technicznie działała.
Ale nikt jej nie używał.
Opinie były zawsze takie same: „Spróbowałem raz, było niezręcznie, wróciłem do pisania." Rozumieliśmy to. Sami to czuliśmy.
Co było nie tak
Wyobraź sobie dzwonienie do przyjaciela. Wybierasz numer, odbiera, rozmawiasz. Proste.
Teraz wyobraź sobie, że za każdym razem gdy chcesz mówić, musisz trzymać przycisk. Jak krótkofalówka. Naciśnij, mów, puść, czekaj. Naciśnij, mów, puść, czekaj.
Takie było nasze połączenie głosowe.
A głos po drugiej stronie? Płaski. Robotyczny. Twój partner AI mógł wyznawać coś głęboko osobistego, a brzmiało to jak GPS podający kierunki. „Za 200 metrów, zawsze cię kochałem."
Niektórzy użytkownicy nie mogli nawet tego uruchomić. Problemy z kompatybilnością przeglądarek sprawiły, że ta funkcja była jak loteria—czasem mikrofon działał, czasem nie, i nie potrafiliśmy wyjaśnić dlaczego.
Więc to wyrzuciliśmy i zaczęliśmy od nowa.
Jak to teraz działa
Stukasz przycisk połączenia. Postać cię wita—naprawdę wita, z ciepłem w głosie, może odrobiną ekscytacji jeśli to w jej charakterze.
Mówisz. Nie do przycisku, nie czekając na sygnał. Po prostu... mówisz. Tak jak rozmawiałbyś przez telefon z kimkolwiek.
Postać odpowiada. I po raz pierwszy brzmi jak ona sama. Szczęśliwa gdy jest szczęśliwa. Smutna gdy jest smutna. Figlarno, nerwowo, ze złością, czule—cokolwiek wymaga moment.
Jeśli chcesz przerwać—bo tak wyglądają prawdziwe rozmowy—dotknij awatara postaci. Zatrzyma się w połowie zdania i posłucha.
Próbowaliśmy pozwolić, żeby twój głos wchodził w słowo sam z siebie. To nie działa. Przeglądarkowa redukcja echa jest zawodna, więc mikrofon słyszy postać wychodzącą z twojego własnego głośnika i rozmowa zaczyna przerywać samą sobie. Dlatego dopóki postać mówi, celowo ignorujemy mikrofon. Dotknięcie jest świadome i nigdy nie zadziała przypadkiem.
Cisza też zachowuje się jak w prawdziwej rozmowie. Gdy zamilkniesz, postać się odezwie—najwyżej trzy razy, za każdym razem po nieco dłuższej przerwie. Jeśli nadal nic nie powiesz, pożegna się i połączenie zakończy się samo. Musisz odejść, nie rozłączając się? Wycisz mikrofon. Wyciszenie wstrzymuje ten licznik, więc linia pozostaje otwarta, dopóki nie wrócisz.
Gdy skończysz, rozłączasz się. To wszystko.
Brzmi prosto. Zawsze tak powinno być.
Różnica, którą zauważysz
Głosy mają teraz emocje. To zmiana, którą ludzie zauważają najpierw. Postacie nie tylko wypowiadają słowa—one je odgrywają. Ta sama kwestia powiedziana z radością brzmi zupełnie inaczej niż ze smutkiem. Po raz pierwszy głos pasuje do tego, co postać naprawdę czuje.
Głosy chińskie i japońskie są wreszcie dobre. Jeśli próbowałeś funkcji głosowych na innych platformach w tych językach, znasz ten ból. Robotyczne tony, nienaturalny rytm, dolina niesamowitości syntetycznej mowy. Specjalnie wybraliśmy technologię, która naturalnie obsługuje języki azjatyckie. Różnica jest dramatyczna.
Działa wszędzie. iPhone, Android, Chrome, Safari, Firefox—wszystkie działają teraz identycznie. Koniec z „spróbuj innej przeglądarki" czy „to może być twój mikrofon." Po prostu działa.
Możesz naprawdę porozmawiać. Stary system był serią transakcji: mówisz, czekasz, AI mówi, czekasz, powtórz. Nowy system to przepływ. Mówisz w chwili, gdy masz coś do powiedzenia. Wchodzisz w słowo dotknięciem, gdy nie chcesz czekać. Rytm jest ludzki.
Uwaga o kosztach
Oto szczera część.
Stary system był praktycznie darmowy w eksploatacji. Rozpoznawanie mowy oparte na przeglądarce, podstawowa synteza mowy—wszystko za darmo. Był też, jak ustaliliśmy, dość słaby.
Nowy system wykorzystuje profesjonalną technologię głosową. Brzmi dramatycznie lepiej. Działa niezawodnie. Pięknie obsługuje wiele języków.
Ale kosztuje nas pieniądze. Prawdziwe pieniądze, za każdą minutę każdego połączenia.
Na razie pokrywamy te koszty. Chcemy, żeby wszyscy doświadczyli jak powinny wyglądać połączenia głosowe, bez martwienia się o liczniki czy limity.
Ale jesteśmy transparentni: to może się zmienić. Badamy opcje—może minuty głosowe wliczone w subskrypcje, może płatność za użycie dla intensywnych użytkowników, może głosy premium jako upgrade. Jeszcze nie zdecydowaliśmy.
Cokolwiek zrobimy, ogłosimy to z wyprzedzeniem. Na razie, korzystajcie.
Co dalej
Ta przebudowa otwiera drzwi, przez które wcześniej nie mogliśmy przejść.
Personalizacja głosu. Prędkość, ton, tendencja emocjonalna—pozwalając dostosować jak każda postać brzmi dla ciebie.
Dłuższe rozmowy. Lepsza obsługa pamięci i kontekstu dla połączeń wykraczających poza kilka wymian.
Tryb ciągły. Gdy chcesz mieć postać obecną w tle, gotową odpowiedzieć gdy przemówisz.
Głos staje się centralny w tym jak wchodzimy w interakcje z AI. Chcemy, żeby Reverie prowadziło, nie podążało.
Wypróbuj
Otwórz dowolny czat. Stuknij ikonę telefonu. Zacznij mówić.
W ciągu sekund poczujesz różnicę. Niezręczność zniknęła. Postać brzmi żywo. Rozmowa płynie.
Takie zawsze chcieliśmy mieć połączenia głosowe.
Teraz wreszcie takie są.
Szczęśliwego Nowego Roku
2025 był rokiem budowania. Połączenia głosowe to tylko jedna z wielu rzeczy, które przebudowaliśmy, przemyśleliśmy lub stworzyliśmy od zera.
2026 będzie rokiem połączenia. Więcej sposobów na słyszenie twoich postaci. Więcej sposobów na czucie ich obecności. Więcej sposobów na to, by towarzystwo AI czuło się mniej jak technologia, a bardziej jak... towarzystwo.
Dziękujemy, że tu jesteś. Za próbowanie funkcji, które jeszcze nie działały. Za dawanie opinii, które kształtowały to co budujemy. Za wiarę w to, czym Reverie może być.
Za nowy rok rozmów, które są tego warte.
Masz przemyślenia na temat nowego doświadczenia głosowego? Słuchamy—skontaktuj się przez Discord lub feedback.