Anthropic ha esteso la modalità vocale di Claude ai modelli Sonnet e Opus, mentre dal lancio del 2025 le conversazioni parlate erano state gestite dal più leggero Haiku. La novità non introduce un nuovo modello audio, ma consente di elaborare le richieste vocali con modelli più adatti al ragionamento prolungato, alla pianificazione e alle operazioni che richiedono l’uso di strumenti esterni. All’avvio, la sessione utilizza il modello selezionato più recentemente nella chat testuale, adottandone per impostazione predefinita la variante più veloce; durante la conversazione è comunque possibile passare dal selettore tra Haiku, Sonnet e Opus.
L’integrazione amplia soprattutto il tipo di attività eseguibili tramite voce. Sonnet e Opus possono analizzare formulazioni articolate, fornire indicazioni su come presentare verbalmente una proposta a un cliente e gestire richieste composte da più passaggi, come preparare un’email e modificare contemporaneamente un appuntamento. Claude Voice può inoltre accedere alle applicazioni collegate, tra cui Gmail, Google Calendar, Google Docs e Slack, recuperando informazioni dagli account dell’utente oppure eseguendo azioni come la riprogrammazione di una riunione. Secondo l’articolo, questa capacità rappresenta il principale elemento di differenziazione rispetto alla modalità vocale aggiornata di ChatGPT, che viene descritta come più evoluta sul piano conversazionale ma ancora priva dell’accesso agli strumenti esterni necessario per completare operazioni di questo tipo.
Dal punto di vista architetturale, la pipeline resta convenzionale e basata su turni separati: Claude acquisisce il parlato, attende la conclusione dell’intervento, elabora la richiesta con il modello linguistico e genera infine la risposta vocale. Anthropic ha dichiarato che l’aggiornamento è concentrato sull’intelligenza del sistema e sull’accesso agli strumenti, non sulla creazione di un’architettura speech-native; per la sintesi dell’output sarebbe inoltre utilizzato un fornitore esterno come ElevenLabs. Il miglioramento deriva quindi interamente dal modello incaricato di interpretare e risolvere il compito, mentre il sottosistema vocale rimane sostanzialmente invariato.
La scelta si distingue dall’approccio seguito da OpenAI con GPT-Live, descritto come un sistema bidirezionale nativo per il parlato, capace di elaborare la voce dell’utente e produrre la risposta in modo più simultaneo e vicino al ritmo di una telefonata. Claude continua invece a utilizzare una catena sequenziale, per cui l’introduzione di Sonnet e Opus non dovrebbe migliorare in modo significativo la gestione delle interruzioni, la sovrapposizione degli interventi o la fluidità del dialogo. Aumentano la qualità del ragionamento e la capacità operativa, non la naturalezza della voce o la rapidità dello scambio.
L’impiego di modelli più pesanti introduce infatti un compromesso diretto tra profondità e latenza. Opus può dedicare più risorse alla pianificazione e all’analisi, ma richiede tempi di elaborazione superiori, particolarmente percepibili in un’interfaccia vocale; Haiku rimane più adatto alle risposte rapide, mentre Sonnet rappresenta una configurazione intermedia. Anthropic ha quindi lasciato all’utente la scelta del modello, evitando di indirizzare tutte le conversazioni verso quello più potente o verso quello più veloce.
La funzione viene distribuita in beta nelle applicazioni mobili, desktop e web di Claude. Gli account gratuiti restano limitati a Haiku e a una sola applicazione collegata, mentre Sonnet e Opus sono disponibili agli abbonati ai piani a pagamento. È supportato l’input multilingue, introdotto nei mesi precedenti, ma Claude non riconosce automaticamente un cambio di lingua durante la stessa conversazione: l’utente deve indicare verbalmente la lingua che sta per utilizzare oppure selezionarla nelle impostazioni vocali.
Nel selettore compaiono Haiku, Sonnet e Opus, mentre Claude Fable 5, indicato dall’articolo come il modello Anthropic più capace tra quelli ampiamente disponibili, non è ancora accessibile in modalità vocale. Anthropic ha comunque confermato di continuare a investire nel settore e ha anticipato ulteriori novità entro la fine del 2026. L’aggiornamento definisce quindi una strategia precisa: attribuire il valore dell’assistente parlato soprattutto alle capacità di ragionamento e agli strumenti utilizzabili, anziché sviluppare nell’immediato una nuova architettura audio nativa.