OpenAI桌面版ChatGPT新增语音操控功能

OpenAI于当地时间周四宣布，已更新ChatGPT桌面应用，新增对ChatGPT Voice的支持。用户现在可以直接通过语音与ChatGPT对话，控制AI智能体，并让其在电脑上执行各种任务。这项新功能基于OpenAI全新的语音模型系列ChatGPT-Live，该系列模型于本月早些时候推出。

与手机版本侧重于流畅语音对话体验不同，桌面版更新拥有了更强的执行能力。用户可以通过语音向ChatGPT下达包含多个步骤的复杂指令，并在ChatGPT需要用户提供信息或进行确认时及时作出回应。例如，在一段演示视频中，OpenAI展示了一名开发者通过一句指令让ChatGPT创建新的代码线程、提交Pull Request，并找出一个Bug的根本原因。

OpenAI表示，ChatGPT Voice同时支持ChatGPT Work和Codex，还可以调用计算机操作能力，帮助用户访问网站和应用。在macOS上，借助Appshots，用户还可以允许ChatGPT访问屏幕上的内容，包括替代文本（alt-text）。此外，用户可以通过iOS应用的远程访问功能，在Codex中使用ChatGPT Voice。

这一更新进一步扩展了ChatGPT在实际工作场景中的可用性，将语音交互从单纯对话提升到任务执行层面。通过语音操控电脑完成复杂操作，这为用户提供了一种更自然、高效的人机交互方式。尤其是对于开发者和办公人员而言，多步骤任务的口头指令能够显著减少手动操作的时间成本。

与此同时，Anthropic也更新了Claude的语音模式。该功能可以调用Anthropic的Opus、Sonnet和Haiku模型，在Gmail、Calendar、Slack、Notion和Canva等应用中完成各种任务。可以看出，主流AI助手正在竞相将语音能力与实体操作深度整合，推动AI从“对话工具”向“智能代理”演进。