ChatGPT桌面版上线语音操控

“帮我创建一个新线程，提交这个 PR，再查一下这个 Bug 的根因。“在 OpenAI 最新发布的演示视频中，开发者仅用一句话就让 ChatGPT 完成了一连串复杂的编程操作。这已经从科幻电影走进了现实——ChatGPT 桌面版刚刚获得了这一语音能力。OpenAI 周四宣布，ChatGPT 桌面版应用正式接入 ChatGPT Voice 语音模式，用户可以用自然语言指挥 AI Agent 在电脑上执行多步操作。

桌面端语音的全新体验#

ChatGPT Voice 此前已在移动端上线，支持流畅的对话交互和随时打断纠正。但桌面端的语音能力有一个根本区别——它跨越了简单问答的边界，进化为真正的操作中枢。用户说出”帮我查一下上个月的销售数据，做个图表发到 Slack 上”，ChatGPT 就能在后台依次完成搜索、分析、生成图表和发送消息的完整工作流。

桌面版语音同时打通了 ChatGPT Work 和 Codex 两大平台。ChatGPT Work 面向企业场景，可调用内部知识库和业务系统；Codex 则是专为开发者打造的编程环境。两者都接入了 computer use 技能——AI 能像人类一样操作浏览器、打开网站、点击按钮、填写表单。macOS 上还支持通过 Appshots 访问屏幕内容，让 AI 真正”看见”用户当前的工作界面。

从手机到电脑的跨越#

移动端的语音功能已经让用户感受到了便利：无需打字、随时提问、还能中途打断纠正。但桌面端的进化远不止于此。手机屏幕信息密度有限，语音指令大多停留在”查天气""发消息”这类轻量任务。桌面端拥有更大的屏幕和更丰富的应用生态，语音指令的复杂度和应用场景也随之大幅扩展。

在演示中，开发者只用一条语音指令就让 ChatGPT 创建了 GitHub 线程、提交了 Pull Request、定位了 Bug 根因。这些操作在传统工作流中需要手动切换多个工具、反复确认上下文——如今一句”帮我做”就能搞定。语音不再是输入的替代品，而是整个工作流的加速器。

Agent 愿景渐行渐近#

更值得关注的是，用户还可以通过 iOS 应用的远程访问功能在 Codex 中使用 ChatGPT Voice。这意味着你在通勤路上掏出手机，就能用语音指挥家里的电脑继续写代码。AI Agent 从”帮你想”进化到”帮你做”，从”坐在电脑前用”进化到”随时随地指挥”，每一步都在缩小人与机器之间的交互摩擦。

当 AI 不仅能理解语言，还能执行语言背后的意图，计算机的交互范式正在经历根本性转变。鼠标和键盘统治了三十年，现在，声音正在成为新的指令入口。未来的操作系统，也许只需要一张嘴和一对耳朵。

来源：TechCrunch