Hlasový režim AI – ChatGPT Voice a Gemini Live: jak fungují, soukromí, čeština a rizika

Hlasový režim umožňuje s AI asistentem mluvit jako s člověkem: řeknete otázku, asistent odpoví hlasem, můžete mu skočit do řeči a doptávat se. Nabízejí jej například ChatGPT (Voice), Google Gemini (Gemini Live) a další služby. Hodí se při řízení rozhovoru „bez rukou“, procvičování cizího jazyka, vaření, cestování nebo když se vám prostě nechce psát. Zároveň ale vznikají otázky: co se děje s vaším hlasem a nahrávkami, jak dobře asistent rozumí češtině, jaká je jeho spolehlivost a jak se hlasové technologie zneužívají k podvodům.

V článku vysvětlujeme, jak hlasový režim funguje, jaké existují varianty u ChatGPT a Gemini, jak je spustit, jak je to s češtinou, co se ukládá a jak to nastavit, kde jsou slabiny, jaká rizika přináší klonování hlasu a jak hlasový režim používat bezpečně. Vycházíme z nápovědy OpenAI k hlasovému režimu, oznámení Google: Gemini Live nyní mluví česky a slovensky, stránky produktu Gemini Live, Svět Androida: přerušování hlasem v češtině, The Decoder: přirozenější hlas ChatGPT a překlad a TechRadar: bezpečnostní zpráva k hlasovému režimu GPT-4o. Nabídka a názvy režimů se mění, proto funkce ve své verzi aplikace ověřte v nastavení.

Související články: AI chatboti a čeština, Jak používat ChatGPT a Google Gemini.

Aktualizováno: listopad 2026.

Jak hlasový režim funguje

Existují dva základní přístupy:

• Řetězec „řeč → text → odpověď → řeč“: vaše řeč se přepíše na text, jazykový model napíše odpověď a ta se převede na hlas. Jde o kratší, „po kolech“ pracující komunikaci; ChatGPT takový režim označuje jako standardní a výslovně uvádí, že přepisuje vaši řeč dříve, než vygeneruje odpověď.
• Přímé („nativní“) zpracování hlasu: model pracuje se zvukem přímo, vnímá intonaci a tempo, odpovídá rychle a snese přerušování. Zní přirozeněji, ale bývá dostupné jen v některých tarifech či zemích.

U obou přístupů záleží na kvalitě mikrofonu, okolním hluku a internetovém připojení: zpracování probíhá v cloudu, bez připojení nepracuje. Souvisí to s tím, jak AI pracuje s texty a tokeny; viz Tokeny a kontextové okno.

Orientační schéma hlasové konverzace s AI – vlastní infografika

ChatGPT Voice

• Spuštění: v aplikaci ChatGPT klepnete na ikonu hlasu vedle pole pro zprávu. Konkrétní režimy (například „standardní“ a pokročilejší) a jejich dostupnost podle tarifu uvádí nápověda OpenAI; nabídka se v čase mění.
• Co umí: přirozená konverzace, přerušování, vysvětlování, procvičování jazyků, překlady; novější verze mluví přirozeněji a podle zpráv médií, například The Decoder, zvládají i souvislý překlad rozhovoru.
• Přepisy: hlasové konverzace se obvykle ukládají jako přepis v historii; viz ChatGPT: paměť a nastavení soukromí.
• Sdílení dat pro zlepšování: v nastavení Ovládání dat bývá volba týkající se využití hlasových dat ke zlepšování služby; název i dostupnost si ověřte přímo v aplikaci.
• Zkušenost se zabezpečením: výrobce v bezpečnostní dokumentaci popsal vzácné případy, kdy model neúmyslně napodobil hlas uživatele; popisuje to například TechRadar. Podle výrobce byla přidána ochranná opatření.

Gemini Live

• Spuštění: v aplikaci Gemini (nebo v nastavení asistenta v telefonu) klepnete na ikonu Live a začnete mluvit; viz stránka produktu.
• Čeština a slovenština: Google oznámil podporu těchto jazyků v oficiálním blogu; jazyk se podle recenzí nastavuje v aplikaci.
• Přerušování: Svět Androida popisuje, že v češtině lze AI přerušit hlasem, takže konverzace je přirozenější.
• Propojení s aplikacemi (Mapy, Kalendář, Gmail a další) a kamera či sdílení obrazovky se postupně rozšiřují a liší se podle zařízení, tarifu a jazyka.
• Plechový hlas a nedokonalosti: čeština podle recenzí není dokonalá; intonace i výslovnost se zlepšují, ale chyby se objevují.

Čeština a jiné jazyky

Kvalita hlasového režimu v češtině závisí na modelu, tarifu a nastavení jazyka. Častější problémy:

• chybné rozpoznání (podobně znějící slova, jména, čísla, odborné výrazy),
• přízvuk a nářečí snižují přesnost,
• hlas zní uměle či má nevhodnou intonaci,
• míchání jazyků (anglická jména v české větě) matoucí,
• kratší odpovědi než v psaném režimu.

Tipy: nastavte jazyk ručně, mluvte zřetelně, používejte sluchátka s mikrofonem, u jmen a čísel si nechte text zkontrolovat; podrobněji v AI chatboti a čeština. Pro samotný přepis nahrávek existují specializované nástroje; viz AI přepis řeči na text a AI text na řeč (TTS).

Soukromí a nahrávky

Hlas je osobní údaj a může prozradit víc než text (identitu, náladu, prostředí). Co řešit:

• Co se ukládá: přepis konverzace, případně zvuk; doba uchování a použití pro zlepšování služeb se liší podle služby a nastavení.
• Kontrola historie: hlasové konverzace najdete a smažete v historii; viz Jak smazat historii a účet ChatGPT.
• Nastavení: vypněte využití dat ke zlepšování, dočasné chaty, mazání aktivity v účtu Google.
• Okolí: mikrofon zachytí i ostatní osoby v místnosti; u cizích lidí je slušné je upozornit a u pracovních hovorů nepoužívat AI bez souhlasu.
• Citlivé informace (hesla, čísla karet, zdravotní údaje, obchodní tajemství) do hlasového režimu nediktujte; viz AI chatboti a soukromí dat.
• Sdílení kamery a obrazovky: asistent vidí vše, co ukážete; před zapnutím zavřete citlivé aplikace a oznámení.

Kontrolní seznam – vlastní infografika

Spolehlivost a omezení

• Halucinace: i hlasem asistent může sdělit nepravdivé informace sebejistým tónem; viz Proč AI halucinuje. Hlasový výstup navíc nenabízí snadné ověření citací.
• Zdravotní, právní a finanční rady: orientační; ověřte je u odborníka.
• Přerušení a neporozumění: hluk, přerušení či ticho mohou změnit význam dotazu.
• Zpoždění: závisí na síti.
• Čas, data a aktuálnost: aktuální informace asistent může vyhledat, ale ne vždy; viz AI vyhledávače vs. Google.
• Emocionální závislost: příjemný hlas může vést k nadměrnému „kamarádství“ s asistentem; hlavně u dětí a osamělých lidí je vhodné stanovit hranice.

Klonování hlasu a podvody

Stejné technologie, které umožňují přirozený hlas AI, se zneužívají:

• Klonování hlasu: z krátké ukázky (například z videa na sociálních sítích) lze vytvořit hlas připomínající vás či vaše blízké; podvodník pak volá „vnukovi“ či „babičce“ s žádostí o peníze; viz Podvody s AI: phishing a vishing.
• Telefonáty s AI hlasem (vishing): předstíraná banka, úřad či podpora.
• Falešné hlasové aplikace a rozšíření sbírající nahrávky; viz Falešné AI aplikace a rozšíření.

Ochrana: domluvte si v rodině kontrolní slovo, při žádosti o peníze zavolejte zpět na známé číslo, nesdílejte dlouhé hlasové ukázky veřejně, nikdy nediktujte kódy z SMS, pochybný hovor ukončete; viz též Podvodné telefonáty.

Děti a senioři

• Děti: hlasový asistent je atraktivní a může odpovídat nevhodně; nastavte věkové limity, dohlížejte a vysvětlete, že jde o stroj; viz Rodičovská kontrola.
• Senioři: pro mnohé je hlas pohodlnější než psaní, ale je nutné vysvětlit hranice (asistent není lékař ani poradce) a upozornit na podvody s hlasem; viz AI pro seniory.

Praktické využití

• Procvičování jazyků a konverzace s opravami,
• přípravy (pohovor, prezentace),
• vaření a domácí práce bez rukou,
• cestování (překlad, orientace),
• brainstorming při chůzi či jízdě (v autě pouze podle zákona a bez rozptylování řidiče),
• diktování poznámek a jejich shrnutí; viz AI asistent v telefonu.

Pro důležitý text je často lepší psát nebo si výstup uložit a zkontrolovat.

Hlasový režim v kostce

Základní údaje – vlastní infografika

Výhody a nevýhody

Souhrn pro uživatele – vlastní infografika

Související články

V kategorii Chatboti a AI asistenti najdete také Meta AI ve WhatsAppu a Instagramu, GPTs a vlastní asistenti a Microsoft Copilot.

Shrnutí

Hlasový režim (ChatGPT Voice, Gemini Live) umožňuje přirozenou konverzaci s AI včetně přerušování a podporuje i češtinu, ta ale není dokonalá. Hlas a přepisy jsou osobní údaje, proto zkontrolujte nastavení soukromí a nediktujte citlivé údaje. Pozor na halucinace a na podvody s klonovaným hlasem; v rodině se domluvte na kontrolním slovu. Vždy používejte oficiální aplikace a funkce ověřte v nastavení své verze.

Často kladené otázky k hlasovému režimu AI