OpenAI 把语音模式搬上 ChatGPT 桌面端 可语音指挥 AI 代理

OpenAI 周四宣布更新 ChatGPT 桌面应用，正式上线 ChatGPT 语音模式（ChatGPT Voice）。借助这一功能，用户可以通过语音与 ChatGPT 交互，指挥 AI 代理在电脑上执行任务，覆盖编程协作、网页与应用操作等多种场景。新功能由 OpenAI 本月早些时候发布的 ChatGPT-Live 语音模型家族驱动，是其语音能力从移动端走向桌面端的关键一步。

桌面端语音：能说话也能动手

此前面向智能手机推出的 ChatGPT Voice 主要优化了对话流畅度与打断处理能力，但并不支持在手机端直接操控任务。此次桌面端更新则带来更强的"动手"能力：用户可以语音口述涉及多步骤的复杂指令，ChatGPT 也能在需要确认时主动向用户提问，形成更接近自然协作的交互节奏。

在 OpenAI 发布的演示视频中，开发人员仅凭一句语音指令，ChatGPT 便完成了创建新线程、提交 Pull Request、定位 Bug 根因等一连串动作，展示了语音与代码代理结合后的端到端潜力。

与 Codex、ChatGPT Work 深度打通

新版 ChatGPT Voice 的关键能力之一是跨产品协同：

• 兼容 ChatGPT Work 与 Codex，用户可直接通过语音调用代码代理。
• 内置计算机使用（computer use）技能，能够主动访问网站与第三方应用完成任务。
• 在 macOS 上配合 Appshots 功能，可读取屏幕内容，包括图片的 alt-text 等辅助信息。
• 用户还可在 iOS 端的 Codex 中，通过远程访问的方式使用桌面端 ChatGPT Voice。

这意味着语音不再是单纯的对话输入通道，而是成为驱动 OpenAI 整套代理生态的入口。

竞争格局：Anthropic 同步升级 Claude 语音

在 OpenAI 拓展语音边界的同时，Anthropic 也更新了 Claude 的语音模式。更新后的 Claude 语音可以调用 Opus、Sonnet 与 Haiku 等不同档位的模型，并在 Gmail、Calendar、Slack、Notion、Canva 等常用生产力应用中执行任务。

两大头部厂商几乎同步加码"语音 + 代理"，标志着语音正从一种附加交互方式，升级为 AI 产品争夺用户日常使用场景的核心入口。

全球上线与开发者意义

OpenAI 表示，ChatGPT Voice 桌面版今日起在全球范围内逐步推送。对开发者而言，语音入口与 Codex 代理的打通让编程协作方式发生明显变化：开发者有望从键盘 + IDE 的模式中部分解放出来，用更接近口语的方式完成代码审查、Bug 定位、提交等高频操作，长远看可能重塑软件工程师的工作流。