OpenAI 已在其 ChatGPT 桌面應用程式中加入語音功能，讓使用者能透過口語指令控制 AI 代理並執行複雜的電腦任務。這項於週四宣布的功能使用 OpenAI 的 GPT-Live 語音模型系列，該公司已於本月稍早推出該系列。隨著 AI 實驗室競相從文字型聊天機器人邁向能代表使用者在軟體環境中採取行動的代理式系統，這次發布也反映出這一趨勢。

語音控制延伸至桌面工作流程

ChatGPT Voice 現在可在 ChatGPT Work 與 Codex 兩種環境中運作。這項更新讓使用者能口述多步驟指令，由 AI 代理自主執行，使該功能從對話式語音互動進一步進入以桌面為核心的任務執行。

在一段示範影片中，OpenAI 展示一名開發者使用單一語音指令建立新 thread、提出 pull request，並找出 bug 的根本原因。系統也可運用電腦使用技能，在使用者要求的工作流程中瀏覽網站與應用程式。電腦使用能力——也就是 AI 模型能以類似人類使用者的方式與圖形介面互動——一直是多家 AI 實驗室的重點領域，而語音整合使這些代理無需輸入詳細提示即可使用。

在 macOS 上，這項功能可搭配 Appshots 運作，允許應用程式存取螢幕上的內容，包括替代文字，讓 ChatGPT 能以更多視覺與情境資訊提供協助。桌面版的實作範圍比早先的 ChatGPT Voice 智慧型手機版本更廣；後者改善了對話流暢度與中斷處理，但不允許助理在裝置上直接採取行動。

桌面功能與行動語音工具的比較

ChatGPT Voice 的智慧型手機版本主要是為自然對話而設計，而非執行指令。相較之下，桌面版允許使用者說出涉及多個步驟的複雜指令，並在 ChatGPT 需要額外輸入以繼續任務時以語音回應。這項差異很重要，因為桌面環境通常涉及比行動裝置更複雜、跨多個應用程式的工作流程，使語音驅動的代理控制對專業用途可能更具影響力。

OpenAI 也表示，使用者可透過遠端存取，從 iOS 應用程式使用 Codex 中的 ChatGPT Voice。桌面版 ChatGPT Voice 由 OpenAI 的 GPT-Live 語音模型提供支援，並可在桌面應用程式中的 ChatGPT Work 與 Codex 搭配使用。

Anthropic 也更新了 Claude 的語音模式。其語音功能可使用該公司的 Opus、Sonnet 與 Haiku 模型，在包括 Gmail、Calendar、Slack、Notion 與 Canva 在內的生產力應用程式中完成任務。OpenAI 與 Anthropic 都在擴展語音工具，將其作為 AI 輔助工作的介面，顯示語音控制代理正成為領先 AI 供應商之間的競爭前沿，而不再只是小眾功能。

對生產力工具的影響

語音控制 AI 代理使 AI 互動進一步從純文字提示轉向免動手的對話式運算。對開發者與知識工作者而言，這項功能可能降低需要多個步驟的工作流程摩擦，讓使用者可在持續使用鍵盤工作時，或甚至在離開電腦時下達指令。

透過單一口語指令協調多個代理的能力，也可應用於專案管理與除錯工作流程。OpenAI 將 ChatGPT Voice 帶到桌面應用程式的決定，顯示該公司正將語音定位為專業與企業使用者的核心互動方式，而非僅限於隨意的行動對話。

桌面版可執行複雜的多步驟指令、瀏覽網站、協調多個 AI 代理，並在需要時要求使用者提供額外輸入。在 macOS 上，Appshots 支援讓 ChatGPT 可存取螢幕內容，以提供更具情境感知能力的協助。使用者也可透過遠端存取，從 iOS 應用程式使用 Codex 語音功能。

OpenAI 的桌面版 ChatGPT Voice 正在全球推出。截至 2026 年 7 月，這次發布標誌著語音作為複雜專業工作流程實用工具的更進一步發展，也使 OpenAI 的桌面語音能力與 Anthropic 的 Claude 語音模式形成競爭。