ChatGPT 桌面端装上了"真人口吻"：GPT-Live 语音上线，你说话它就在后台干活

OpenAI 桌面版 ChatGPT 迎来语音大升级：GPT-Live 驱动，三板块协同

OpenAI 近日对 ChatGPT 桌面应用进行了一次重要升级——这个已经与 Codex 合并的客户端，正式引入了由 GPT-Live 模型驱动的语音模式。用户现在可以在聊天（Chat）、办公（Work）和编程（Codex）三个板块中，直接用语音发起、检查或调整任务，将多线程工作协同从敲键盘变为动嘴皮。

升级背景：从语音识别到全双工对话

这条升级路线并不短。OpenAI 在 2024 年首次为 ChatGPT 加入语音识别功能，随后一路猛攻语音技术。直到最新发布的 GPT-Live 模型，才真正将全双工能力跑通——它能一边聆听、一边说话，让 AI 对话的体感更贴近真人。OpenAI 在声明中明确表示：未来用户只需口述需求，ChatGPT 就能顺着你的思路，快速推进多项任务。

新语音模式的核心能力：多任务并行与后台执行

新语音模式最关键的改变是：

，并且智能体后台会默默将任务跑完，同时用户仍能继续与 ChatGPT 对话。OpenAI 用规划一次商务旅行的例子说明了这一点：

• 你可以让 ChatGPT 翻看日历，查找时间冲突；
• 同时扫描收件箱，确认航班是否有变动；
• 顺手把会议记录准备妥当；

而这一切，都发生在“你冲咖啡或者干别的”的工夫里。比起单纯把语音当作输入框，这种“你说话、它办事、彼此不耽误”的交互方式，正是 GPT-Live 想要拉开差距的地方。

三板块语音协同：Chat、Work、Codex 全覆盖

升级后的桌面应用将语音功能整合到三个核心板块中：

• Chat（聊天）
  ：日常对话、信息查询，直接语音提问获取答案。

• Work（办公）
  ：文档编写、会议安排、邮件处理，语音下达指令即可执行。

• Codex（编程）
  ：代码编写、调试、审查，口述需求即可生成或修改代码。

用户可以在任意板块中随时切换语音模式，无需手动输入，大幅提升工作效率。

使用小提示

• 提示1：在语音对话中，你可以同时下达多个任务，例如“帮我查一下明天的会议时间，顺便把上周的周报摘要发给我”，ChatGPT 会分步处理并在后台完成。
• 提示2：如果语音识别出现偏差，可以直接用语音纠正，无需重新开始对话。
• 提示3：确保麦克风权限已开启，并在安静环境中使用，以获得最佳识别效果。

常见问题

• 问：新语音模式需要单独付费吗？
  
  答：目前该功能已整合到 ChatGPT 桌面应用中，具体收费情况请参考 OpenAI 官方定价。通常 GPT-Live 模型对 Plus/Pro 用户开放，免费用户可能有限制。

• 问：语音对话是否支持多语言？
  
  答：GPT-Live 模型支持多种语言，包括中文、英文、日文等，但识别准确度因语言而异。推荐使用英文或中文进行测试。

• 问：在 Codex 板块中，语音能直接生成代码吗？
  
  答：可以。你可以口述编程需求，如“写一个 Python 函数，用于计算斐波那契数列”，ChatGPT 会生成对应代码，并支持后续修改。

• 问：后台执行任务时，对话会中断吗？
  
  答：不会。你可以在任务执行过程中继续与 ChatGPT 对话，它会在后台处理任务，并在完成后提醒你。

总结：语音交互的新篇章

OpenAI 此次升级，将 ChatGPT 桌面应用的交互方式从“键盘输入”推向“语音驱动”，并借助 GPT-Live 的强大全双工能力，实现了多任务并行与后台执行。未来，随着语音技术的进一步成熟，用户或许只需动嘴，就能完成从日常聊天到复杂编程的全部工作。