Что нейросети умеют сейчас: голос, фото, документы и длинные задачи

Ещё пару лет назад нейросеть была для большинства «умным собеседником в окошке»: напиши текст — получи текст. Сейчас картина другая. Она смотрит на фото, слушает ваш голос, читает загруженный договор и берётся за задачу, в которой не один шаг, а пять. Без технических подробностей — просто по делу разберём, что из этого пригодится обычному человеку и небольшому делу.

Понимает не только текст, но и фото с голосом

Раньше приходилось всё описывать словами. Теперь проще показать. Сфотографировали непонятную деталь от техники — спрашиваете, что это и где такую купить. Сняли ценник в магазине на другом языке — получаете перевод и пересчёт в рубли прямо по камере. Надиктовали голосом длинную мысль за рулём — на выходе аккуратный текст письма.

Так умеют ChatGPT, Gemini, Claude, из привычных в России — Алиса и GigaChat. Живой сценарий: мастер по ремонту фотографирует шильдик с котла, скидывает снимок в чат и за минуту получает характеристики и список того, что стоит проверить. Не набирая ни строчки. Или мама фотографирует детскую поделку из учебника и просит объяснить, как её собрать, — раньше на это ушёл бы вечер поисков по картинкам.

Читает ваши документы, а не «что-то из головы»

Большое изменение — нейросеть теперь держит в поле зрения много текста за раз. Можно загрузить договор на двадцать страниц, методичку или выгрузку из таблицы и задавать вопросы по содержимому.

• «Найди в этом договоре пункт про штрафы и объясни простыми словами».
• «Собери из этих трёх отчётов одну сводку на полстраницы».
• «По этой инструкции составь короткий чек-лист для нового сотрудника».

Владелец небольшой фирмы вместо того, чтобы вычитывать присланный на подпись документ вечером на уставшую голову, за пару минут получает разбор спорных мест. Проверять всё равно надо самому — но искать в тексте иголку уже не приходится.

Разговаривает голосом почти как человек

Голосовой режим перестал быть неуклюжим. Отвечает без долгой паузы, слышит, когда его перебивают, говорит живой интонацией. Это удобно, когда руки заняты или проще проговорить, чем печатать.

Практичный пример: продавец на выезде диктует «клиент хочет три позиции, вот такие размеры, срок — к пятнице», а нейросеть тут же собирает из этого черновик коммерческого предложения. Или человек тренирует разговорный английский — просто болтает вслух, а его мягко поправляют по ходу.

Берёт задачу из нескольких шагов и доводит до конца

Самое заметное — нейросеть научилась не только отвечать одной репликой, а вести задачу, где нужно несколько действий подряд. Не «дай совет», а «сделай».

Скажем, вы просите подготовить пост: она предлагает тему, пишет текст, подбирает картинку, прикидывает время публикации — и показывает готовый вариант, а не пять отдельных ответов, которые надо самому склеивать. Для дела это ближе к помощнику, который снимает рутину, а не к справочнику. Ещё пример: вы диктуете «спланируй поездку в соседний город на выходные, бюджет вот такой» — а в ответ получаете черновик маршрута с прикидкой по времени и тратам, а не десять советов, которые пришлось бы собирать самому. Как именно строят таких помощников под конкретный бизнес — отдельная кухня, но пользу видно уже на обычных сервисах.

Делает картинку, музыку и короткое видео

Творческая часть тоже подтянулась. По описанию словами получается обложка, иллюстрация к посту, простой логотип-набросок. За это отвечают Midjourney, Kandinsky и Шедеврум. Suno соберёт песню под текст — хоть шуточное поздравление коллеге. А короткий ролик со звуком теперь делается без камеры и монтажа — по одному описанию сцены.

• Кондитер — аппетитную картинку торта для витрины в соцсетях.
• Репетитор — заставку к объявлению об уроках.
• Небольшой магазин — короткий рекламный ролик, не нанимая студию.

Качество разное: что-то выходит сразу, что-то приходится переделывать по два-три раза. Но порог входа опустился до «умею описать словами».

Всё это — в телефоне и часто бесплатно

Отдельно стоит сказать: почти всё перечисленное лежит в кармане. Приложения на смартфоне переводят по камере, отвечают голосом, разбирают присланный файл. Базовых бесплатных возможностей хватает, чтобы попробовать и понять, нужно ли платить за расширенную версию.

При этом важно помнить про меру доверия. Нейросеть может уверенно ошибиться в факте, цифре или ссылке на закон — поэтому важное перепроверяйте, а личные и рабочие секреты в чат не выкладывайте.

С чего начать

Не пытайтесь освоить всё сразу. Возьмите одну свою реальную задачу на неделю — перевод по фото, разбор договора, черновик поста — и решите её через нейросеть. Сравните «было и стало» по времени. Когда почувствуете, где именно она экономит вам полчаса в день, дальше само станет понятно, куда её подключать. А если дойдёт до того, что рутину хочется передать помощнику целиком и под ваш процесс — это уже задача, которую в МАВИИ помогают бизнесу собрать под ключ.