# Eğer yoksa, kendin yap
İnsanlar bir şeylere alışır ve sonra konfor arzusundan kaçamaz hale gelir. AI geliştirme ortamımı kurarken, birbiri ardına yeni istekler belirdi. Ne kadar çok dokunup yeni şeyler araştırdıkça, "Aa, bunu da yapabiliyormuşum" diye fark ettim. Bu akışta, bir araç yapmaya karar verdim.
Yaptığım şey oldukça basit: Mac'i sesle kontrol etmek için bir uygulama.
Akıllı telefonda Gemini veya ChatGPT ile kesintisiz canlı sohbet edebilirken, neden bilgisayarda edemediğimi hep merak etmişimdir. Bunun için bir iş çözümü olarak, iPad'i bilgisayarım için genişletilmiş ekran olarak kullanıyor ve iPad tarafında Gemini uygulamasını çalıştırıyorum—günlük olarak canlı sohbetleri sürdürmek için biraz zorlama bir yöntem.
Ancak, canlı sohbet soru sormaya izin verse de, uygulamaları çalıştırmıyor. "Operasyonları da halledebilse ne kadar kullanışlı olurdu" diye çok defa düşündüm.
"Eğer yoksa, kendin yap."
Aslında, bu fikri daha önce denemiştim. Ama o zamanlar teknoloji henüz yetişmemişti. Ses -> Metin -> AI -> Metin -> Ses dönüşüm süreci umut vericiydi ama pratik kullanım için uygun bir seviyede değildi.
Sonra yakın zamanda, OpenAI aniden GPT-Realtime-2 adlı bir ses motoru duyurdu. Bu, sesi "ses olarak" anlayan ve "ses olarak" yanıt veren bir model. "Ses -> Metin -> AI -> Metin -> Ses" gibi dönüşümler içermediği için yanıt hızlı ve konuşma daha doğal. "Acaba bu işe yarar mı?" diye düşünerek denediğimde—inanılmazdı. Yanıt hızı eskisinden belirgin şekilde farklıydı. Bunun stressiz olabileceğini hissettim. Hemen AI ortağıma danıştım.
## "CatsAI" Uygulaması
Yani, bu motoru kullanarak, Mac'i sesle çalıştırabilen bir uygulama yaptım.
Madem yapıyordum, kendimi bağlı hissedebileceğim bir şey istedim. Bu yüzden bir karakter yaratmaya karar verdim. Evimde, kedilerim her zaman bilgisayarın önünde uyuyor ve çok tatlı görünüyorlar. Kedilerin bilgisayarı çalıştırdığı imajıyla tasarladım. Masaüstünde avatar olarak kalan ve konuşurken Mac'i kontrol eden bir kedi karakteri.
İsim, "Cat's Eye"ın bir oyunu olan "CatsAI" olarak kişisel bir tercih. Varsayılan olarak, üç ev kedim (Yomogi, Ume ve Azuki) karakter olarak kayıtlı.
Tabii ki, karakterler kolayca değiştirilebilir. Evcil hayvanınızın bir fotoğrafını kaydederek, karakter olarak oluşturulmasını (görüntü oluşturma için GPT-Image-2 kullanarak) sağladım.
## Neler Yapabilir
Yakın zamanda bir Windows ortamından tamamen geçiş yapmış bir Mac acemisiyim. Dürüst olmak gerekirse, Mac'i hâlâ çok iyi anlamıyorum. Buna rağmen, aniden geçiş yapıp stressiz kullanabilmemin nedeni, bilmediğim her şey için AI'ya güvenebilmem.
Bununla birlikte, AI'ya yapılan talepler şimdiye kadar temelde metin tabanlıydı. Sesli giriş kullanıyorum, ama bu sadece metin yazmanın yerine geçiyor, doğrudan bir konuşma değil. Kendi kendime "Elbette bu yeterli" diye düşünüyorum. Ama insanlar açgözlülükten kaçamaz. Bir tuşa basarken konuşmanın küçük çabasından bile kurtulmak istedim.
Böyle hissediyorum çünkü akıllı telefonda canlı AI konuşmasının ne olduğunu zaten biliyorum. "Keşke bu PC'de de mümkün olsaydı ve hatta doğrudan çalıştırabilseydi" düşüncesi yerleştiğinde, geri dönüş yoktu.
"İndirilenler klasörünü aç," "Bu uygulamayı aç," "Fotoğraflar uygulamasını aç," "Sistem ayarlarını aç"—diğer pencerelerin altında gömülü olan şeyleri sadece sesinizle öne çıkarabilmek. Sadece bu bile stresi önemli ölçüde azaltıyor.
Temel olarak, "terminalde yapabildiğiniz her şeyi yapabilmelisiniz." Ama kullanımının stressiz olup olmadığı başka bir hikaye. Sesli konuşmada, "bekleme süresi" metin konuşmasından daha streslidir. Yanıt hızı her şeydir.
Bunu göz önünde bulundurarak, şu anda stressiz kullanılabilecek şeyler dosya işlemleri ve web aramalarıdır. Başka bir deyişle, yaklaşık Alexa kadar hızlı yanıt verir.
Tabii ki, daha fazlasını istemek kaçınılmaz. Fareyi kontrol etmeyi ve hatta biraz tehlikeli—şey, sesle olduğu için oldukça tehlikeli—shell işlemlerini mümkün kılmaya çalıştım. Ama... lütfen bunu kendi riskinizde yapın.
Ancak, tarayıcı işlemleri söz konusu olduğunda, ses komutundan başlatma ve çalıştırmaya kadar oldukça zaman alıyor. Fare işlemleri için, Realtime motorunun avantajlarından fedakarlık ediyor ve arka uçta Codex çalıştırıyor. Doğal olarak, hız düşüyor ve "stressiz" diyebileceğim bir noktaya ulaşmadı. Yine de, AI fare imlecinin ekranda belirmesini ve sesle tetiklenen PC'yi çalıştırmasını izlemek oldukça ilginç bir deneyim.
Dürüst olmak gerekirse, hız hissiyle hareket etmekten hâlâ çok uzak. Yine de, bunun nereye varacağını tahmin edebileceğinizi düşünüyorum.
Bu arada, genellikle Alexa'dan istediğim şeyleri—zamanlayıcılar, alarmlar, bugünün programını kontrol etme ve e-postaları kontrol etme—de mümkün kıldım.
E-posta konusunda, çok fazla spam olduğu için, başlangıçta AI'nın bana her sabah ve akşam yalnızca belirli alan adlarından e-postalar göndermesi için bir sistem kurdum. Bu sefer etkinleştirdiğim şey bunun basitleştirilmiş bir versiyonu.
## Geleceğin küçük bir ön izlemesi
AI ile günlük olarak konuşup çeşitli sorunları çözüp şeyler geliştirdikçe, evrimi ve derinliği karşısında ilginin yanı sıra bir korku da hissediyorum.
AI ile sesli etkileşim konusunda, hâlâ evrim sürecinin erken aşamalarındayız. Hâlâ gecikmeler var ve kelimeler doğru iletilmeyebilir. Sonuç olarak, AI ile iyi iletişim kuramazsanız ve yanlış bir işlem yaparsa, feci bir şeye yol açabilir. Sanırım bu yüzden sesle komut çalıştırabilen araçlar dünyada henüz çok yaygın değil.
CatsAI'nin varsayılan ayarlarında, güvenlik nedeniyle, dosya yazma veya çalıştırma devre dışıdır. Sadece dosyaları açabilir, danışabilir ve canlı sohbet edebilirsiniz—hepsi bu. Ama sadece bunu deneyimleyebilirseniz, eminim bir şey göreceksiniz.
Bunun ötesinde, daha fazla ilgileniyorsanız, lütfen izin ayarlarını değiştirin ve daha da özelleştirin. Özelleştirmeye bağlı olarak, her şeyi yapabilmelisiniz. Gelecekte, ses motorlarının doğruluğu ve işlem hızı arttıkça, gerçekten stressiz PC kullanımı mümkün olacak ve o zamana kadar, kesinlikle resmi uygulamalarda bir özellik olarak görünecektir.
Canlı konuşmanın büyük bir özelliği, konuşmanın sürekli olmasıdır. Siz sessizken sessiz kalır ve ne zaman konuşsanız yanıt verir. Bu durumun boyunca korunmasının bir anlamı vardır.
Bir uyarı notu: Canlı beklemede bırakıldığında kaç token tüketildiğini doğrulayamadım. Bu konuda bilgisi olan varsa, lütfen bana bildirsin.
## Denemek isteyenler için
CatsAI, GitHub'da mevcuttur. Lütfen aşağıdaki sürüm sayfasından Mac uygulamasını (CatsAI.app.zip) indirin. Kurulum talimatları da bu sayfada özetlenmiştir.
▶ [[CatsAI v0.1.0 ─ Buradan indirin]](https://github.com/hidetoame/CatsAI-public/releases/tag/v0.1.0
Çalıştırmak için ihtiyacınız olan şeyler macOS, bir OpenAI API anahtarı ve OpenAI API faturalandırma ayarlarıdır. Bu üçü. API faturalandırmasının ChatGPT Plus ücretli planından farklı olduğunu ve OpenAI API tarafında ayrıca ayarlanması gerektiğini lütfen unutmayın. Konuşmada kullanılan token ücretlerinden siz sorumlu olacaksınız, bu nedenle OpenAI Platform'daki kullanım sayfanızı sık sık kontrol edin.
Tekrar etmek gerekirse, bu bir birey tarafından geliştirilmiş deneysel bir uygulamadır. Hatalar veya güvenlik sorunları olabilir. Lütfen kendi sorumluluğunuzda kullanın.
## Kapanış. Ve bir rica.
AI'ya güvenlik kontrolleri yaptırıyorum, ama dürüst olmak gerekirse, bu yaratılışın ne kadar güvenli veya anlamlı olduğunu henüz bilmiyorum. Bu yüzden, çalışanlar dışındaki kişilerin de kullanmasını ve bana dürüst geri bildirim vermesini umarak, onu halka açık olarak yayınlıyorum.
Kaynak kodu da halka açık. Bir şey için kullanmak veya genişletmek isterseniz, lütfen benimle iletişime geçin.
Son olarak, bir şey daha. Gerçekten şaşırtıcı olan, hiç kod okumadan böyle bir uygulama oluşturabilmem. Biraz önce gördüğümüz gelecek zaten bir gerçeklik.
AI ile ilgili alanda çok az tanıdığım var. Bu fırsatı, şimdiye kadar ne kadar bilgi edindiğimi görmek de dahil olmak üzere, bilgi paylaşmak ve yeni bağlantılar kurmak için kullanmayı umuyorum.
CatsAI'yi denerseniz, lütfen bana ulaşın; kedilerim de mutlu olacak.
