OpenAI 已为其 ChatGPT 桌面应用增加语音功能，允许用户通过语音指令控制 AI 代理并执行复杂的计算机任务。该功能于周四宣布，使用 OpenAI 的 GPT-Live 语音模型系列，该公司于本月早些时候推出了这一系列。此次发布正值各 AI 实验室竞相从基于文本的聊天机器人转向代理式系统之际，这类系统能够代表用户在软件环境中执行操作。

语音控制扩展至桌面工作流

ChatGPT Voice 现在可在 ChatGPT Work 和 Codex 两种环境中运行。此次更新使用户能够口述多步骤指令，由 AI 代理自主执行，从而将该功能从对话式语音交互推进到基于桌面的任务执行。

在一段演示视频中，OpenAI 展示了一名开发者使用一条语音命令创建新线程、发起拉取请求，并识别一个漏洞的根本原因。该系统还可以使用计算机操作能力，按照用户请求的工作流浏览网站和应用程序。计算机操作能力——即 AI 模型能够以类似人类用户的方式与图形界面交互——一直是多家 AI 实验室关注的领域，而语音集成使这些代理无需输入详细提示词即可使用。

在 macOS 上，该功能与 Appshots 配合使用，允许应用访问屏幕内容，包括替代文本，以便 ChatGPT 能基于更多视觉和上下文信息提供帮助。桌面版本的实现范围比早期的 ChatGPT Voice 智能手机版本更广；后者改善了对话流畅度和打断处理，但不允许助手在设备上直接执行操作。

桌面功能与移动语音工具的比较

ChatGPT Voice 的智能手机版本主要是为自然对话而设计，而不是用于执行命令。相比之下，桌面版本允许用户说出包含多个步骤的复杂指令，并在 ChatGPT 需要更多输入以继续任务时通过语音回应。这一区别很重要，因为桌面环境通常涉及比移动设备更复杂的多应用工作流，使语音驱动的代理控制在专业使用场景中可能更具影响力。

OpenAI 还表示，用户可以通过远程访问，从 iOS 应用中使用 Codex 内的 ChatGPT Voice。桌面版 ChatGPT Voice 由 OpenAI 的 GPT-Live 语音模型驱动，并在桌面应用中与 ChatGPT Work 和 Codex 配合使用。

Anthropic 也更新了 Claude 的语音模式。其语音功能可以使用该公司的 Opus、Sonnet 和 Haiku 模型，在 Gmail、Calendar、Slack、Notion 和 Canva 等生产力应用中完成任务。OpenAI 和 Anthropic 都在扩展语音工具，将其作为 AI 辅助工作的交互界面，这表明语音控制代理正在成为领先 AI 提供商之间的竞争前沿，而不再是小众功能。

对生产力工具的影响

语音控制的 AI 代理进一步将 AI 交互从纯文本提示推向免手动的对话式计算。对于开发者和知识工作者而言，该功能可能降低多步骤工作流中的摩擦，使用户能够在继续使用键盘工作时，或在离开电脑时发出命令。

通过一条语音指令协调多个代理的能力，也可应用于项目管理和调试工作流。OpenAI 决定将 ChatGPT Voice 引入桌面应用，表明该公司正将语音定位为专业和企业用户的核心交互方式，而不是仅限于休闲移动对话。

桌面版本可以执行复杂的多步骤命令、浏览网站、协调多个 AI 代理，并在需要时请求用户提供额外输入。在 macOS 上，Appshots 支持允许 ChatGPT 访问屏幕内容，以提供更具上下文感知能力的帮助。用户还可以通过远程访问，从 iOS 应用使用 Codex 语音功能。

OpenAI 的桌面版 ChatGPT Voice 正在全球推出。截至 2026 年 7 月，此次发布标志着将语音作为复杂专业工作流实用工具的进一步推进，也使 OpenAI 的桌面语音能力与 Anthropic 的 Claude 语音模式形成竞争。