ChatGPT Du kan prata med ChatGPT ungefär som med en kollega, och du kan visa den bilder på det du undrar över. Röstläget drivs sedan juli 2026 av OpenAI:s nya GPT-Live-modeller som lyssnar och talar samtidigt, och bildförståelsen är inbyggd i huvudmodellerna. Den här guiden går igenom hur du kommer igång och vad funktionerna passar till.
Kan man prata med ChatGPT?
Ja. Röstläget har funnits sedan 2023, men i juli 2026 lanserade OpenAI GPT-Live, en modellserie byggd för samtal i realtid. Den lyssnar och talar samtidigt, så du kan avbryta mitt i en mening, ställa en följdfråga eller be den sakta ner. Den bekräftar också med småord att den hänger med, vilket får samtalet att kännas som ett riktigt samtal snarare än turordning.
GPT-Live-1 är standardmodellen för Go-, Plus- och Pro-användare, medan gratisanvändare får GPT-Live-1 mini.
Så startar du ett röstsamtal
Tryck på röstikonen bredvid textfältet i mobilappen, datorappen eller på webben. Första gången väljer du en av de nio rösterna, och du kan byta röst i inställningarna när du vill. Vill du att den ska tala långsammare, kortare eller på ett annat språk räcker det att säga det, den anpassar sig direkt.
Vad passar röstläget till?
Röstläget är som starkast när händerna eller ögonen är upptagna, eller när du tänker bättre högt. Några exempel från arbetsvardagen är att öva inför en presentation och få följdfrågor, resonera kring ett problem på pendeln, få ett långt dokument sammanfattat uppläst, eller träna på ett samtal du drar dig för att ta. Vill du dessutom kunna visa ChatGPT vad du tittar på kan du aktivera kameran i röstläget, något vi beskriver i vår artikel om ChatGPTs röstläge med kamera.
Hur delar man bilder med ChatGPT?
Tryck på plusknappen i chattfältet och ta ett foto eller välj en bild. ChatGPT läser fotografier, skärmdumpar och dokument som blandar text och bild, och du kan ladda upp flera bilder i samma fråga. Ställ sedan följdfrågor precis som vanligt.
På jobbet kan det handla om att be den läsa av ett diagram, tolka whiteboarden efter ett möte, felsöka ett felmeddelande på en skärmdump eller jämföra två versioner av en layout.
Vad driver funktionerna?
Röstläget drivs av GPT-Live-modellerna, som är byggda just för tal. Bildförståelsen ligger i huvudmodellerna, som är multimodala från grunden. Vill du skapa bilder snarare än visa dem är det bildgeneratorn i ChatGPT du ska titta på.
Säkerhet och integritet
OpenAI begränsar modellens möjlighet att identifiera och uttala sig om personer på bilder, och är öppna med att modellen kan ha fel. Var ändå eftertänksam med vad du delar. Det gäller särskilt bilder och uppgifter som rör andra än dig själv. På jobbet är det er AI-policy som sätter gränserna för vad som får delas med verktyget.
Jimmi Ask är en av grundarna av Scribill och utbildar svenska företag i Copilot, ChatGPT och Gemini. Mer om oss →
