OpenAI桌面端语音交互上线

8月9日，OpenAI宣布其桌面版ChatGPT应用正式上线语音交互功能（ChatGPT Voice），用户可通过语音直接与ChatGPT对话，并指挥AI智能体完成一系列电脑操作任务，例如打开网页、填写表单、跨应用协作等。该功能基于OpenAI本月早些时候发布的全新语音模型系列ChatGPT-Live，该模型在语音识别、自然语言理解及多轮对话上进行了专项优化。OpenAI表示，ChatGPT Voice同时整合了ChatGPT Work（面向办公场景）和Codex（编程辅助）的能力，可调用计算机操作接口，实现自动化流程。在macOS系统中，借助Appshots功能，ChatGPT还能获取屏幕上的文本内容（包括alt-text等替代文本），从而理解用户当前的操作上下文，提升任务执行准确率。这一更新将原先仅支持文本交互的桌面端ChatGPT升级为具备语音交互能力的智能助手，用户无需再手动输入指令，大幅降低了使用门槛。OpenAI强调，该功能目前对ChatGPT Plus和Team订阅用户开放，未来将逐步扩展到免费用户。此次更新还引入了多步骤任务链支持，用户可一次性发出“帮我打开Chrome浏览器，搜索最近的AI新闻，然后将结果整理成表格”等复合指令，AI Agent会自动拆解步骤并执行。分析认为，这标志着AI从“对话式问答”向“主动式执行”的跨越，对个人办公效率提升意义重大，同时也为未来的AI操作系统雏形奠定了基础。