ChatGPT 桌面版上线语音控制多智能体

一句话看懂：OpenAI 于 2026 年 7 月 23 日面向全球桌面端用户（macOS 和 Windows）推出 ChatGPT Voice 功能，允许用户通过语音同时控制运行在 ChatGPT Work 或 Codex 中的多个 AI 智能体。这意味着 AI 助手从单一的对话界面，正式进入可语音调动多任务、多智能体协作的阶段。

事件核心：发生了什么

OpenAI 官方账号宣布，ChatGPT Voice 功能已正式上线桌面版应用。该功能由 GPT-Live 新一代模型驱动，能够同时执行语音识别、语音对话以及应用内的任务调度。用户只需口头指令，即可让多个智能体在 ChatGPT Work 或 Codex 开发环境中并行工作。支持的计划包括 Plus、Pro、Business、Edu 和 Enterprise 级别。此外，iOS 版 ChatGPT 已可通过 Codex 进行远程配对访问，实现移动端控制，Android 版也将在近期跟进。数据显示，该公告在发布后一小时便获得了超过 35 万次观看量，反映出市场的强烈关注。

为什么重要

这次更新有三大深远意义。首先，它打破了 AI 助手“一问一答”的交互模式。过去用户需要通过文本输入逐步引导完成任务，而现在语音交互结合多智能体，意味着用户可以用近乎自然语言的方式，同时指挥 AI 做数据分析、代码编写和内容生成，极大降低了多人协作的沟通成本。其次，GPT-Live 模型的发布表明 OpenAI 正在构建一个可以实时感知、听、说并协调执行动作的统一多模态模型，这被视为通往更主流 AI 助理级产品的重要技术基础。最后，语音控制的桌面端应用直接拉高了竞品入局门槛——桌面端语音+多智能体的组合让 AI 从“聊天工具”转向“生产力操作系统”，对微软 Copilot、Google Gemini 等对手形成明确的产品差异。

对用户/开发者/创作者的影响

对企业与专业用户：使用 ChatGPT Work 的团队现在可以在处理复杂项目时，通过语音直接向多个智能体分配任务，例如“分析这份销售数据，同时生成摘要邮件，再检查一下代码仓库的测试覆盖率”，大幅减少了手动界面操作时间。对开发者：Codex 环境下的多智能体语音控制将允许程序员在调试、重构代码时保持双手不离开键盘，仅用语音指挥 AI 执行单元测试或代码审查，有望提升开发效率。不过，需注意目前仅支持 Plus 及以上付费计划，免费用户暂时无法体验。对内容创作者：语音交互降低了使用门槛，创作流程（如文案生成、图像构思与大纲整理）可以更自然地并行推进，但实测中多智能体协同的稳定性仍有待验证。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，实际使用中的延迟和准确度。GPT-Live 需要在同一应用内同时处理听、说、执行多个智能体，对算力和网络延迟要求极高，预计初期部分用户的体验可能不够流畅。第二，价格结构可能调整。由于调用多智能体和实时语音模型对算力消耗更大，OpenAI 是否会调整高级版计费策略或推出按量付费模式，值得密切关注。第三，竞品快速跟进。微软已在 Windows 上深度整合 Copilot 语音，Google 也在加速 Gemini 桌面端功能布局。如果 OpenAI 不能在后续迭代中持续优化开发者和生态支持，当前先发优势可能被快速追平。第四，Android 版的支持时间尚未明确公布，可能影响非 iOS 移动端用户的工作流连续性。

来源：X：OpenAI (@OpenAI)