OpenAI将ChatGPT Voice语音模式带到桌面端，可语音操控Codex和Agent

OpenAI于周四宣布更新其ChatGPT桌面应用，正式加入ChatGPT Voice语音模式支持。用户现在可以直接与桌面端AI助手对话，通过语音指令操控AI代理完成计算机上的各项任务。

这项新功能基于OpenAI本月早些时候推出的全新语音模型系列ChatGPT-Live。该系列模型专为更自然的实时对话设计，为桌面端的语音交互体验提供了底层技术支持。

OpenAI表示，ChatGPT Voice可与ChatGPT Work和Codex协同工作，还能利用计算机使用技能来查阅网站和应用。在macOS平台上，通过Appshots功能，用户可以让ChatGPT语音助手访问屏幕内容，包括替代文本信息。

与手机版本相比，此次桌面端更新的能力更为强大。手机版ChatGPT Voice虽然已经实现了更流畅的对话和更好的打断处理，但并未被设计为在手机上执行操作。桌面端则允许用户通过语音口述涉及多步骤的复杂指令，并在ChatGPT需要用户输入时进行响应。

在一则演示视频中，OpenAI展示了一名开发者通过语音向ChatGPT发出指令，要求其创建新线程、提交拉取请求并查找Bug的根因——所有操作仅需一条语音命令即可完成。同时，公司表示用户可以通过iOS应用远程访问的方式，在Codex中使用ChatGPT Voice。

这一更新标志着AI语音交互从单纯的问答场景向真正的计算机操控场景迈出了重要一步。此前，Anthropic也更新了Claude的语音模式，使其能够调用Opus、Sonnet和Haiku模型，在Gmail、Calendar、Slack、Notion和Canva等应用中完成任务。

AI语音助手正在从“能听会说”向“能理解、能执行”演进。桌面端语音操控Agent的能力意味着用户未来可能通过自然语言直接管理开发工作流、数据分析任务和日常办公软件操作，大幅降低人与AI之间的交互门槛。值得关注的是，这种语音+Agent的组合是否会在企业办公场景中率先规模化落地。