一句话看懂：OpenAI 于近期宣布为其集成 Codex 的 ChatGPT 桌面应用推出 Voice 模式，基于全新 GPT-Live 模型。用户现在可以通过语音口述需求，AI 能同时执行多个后台任务，比如查冲突、整理邮件和准备会议纪要，语音交互从单轮问答升级为多线程智能体协作。
事件核心：发生了什么
OpenAI 官方更新了 ChatGPT 桌面应用（已整合 Codex），推出了由 GPT-Live 模型驱动的语音模式。这一模式支持全双工语音（即同时听和说），用户可以在聊天、工作和编程三个场景中通过语音发起、检查或调整任务。OpenAI 在公告中表示，未来用户只需说出需求，ChatGPT 就能根据思路快速推进多个任务。举例来说，用户在规划出差时，可以同时让 ChatGPT 检查日历冲突、梳理收件箱中的航班变更信息、准备会议纪要——所有这些都在“用户冲杯咖啡或做其他事情”的期间完成。这标志着 AI 从“一问一答”的工具进化为能接管多线程工作流的智能体。
为什么重要
此次更新对 AI 行业和语音交互技术有三个关键意义。首先，GPT-Live 模型实现了全双工语音，使得 AI 对话更接近真人——不再是你说一句它回一句，而是可以边听边处理后台任务。其次，这是 OpenAI 在 2024 年初步引入语音识别后，持续投入语音技术的明确信号，将语音交互从“辅助工具”推向“主动协作”，直接挑战 Siri、Alexa 等现有语音助手的效率范式。第三，对开发者而言，这一模式暗示了未来 AI Agent 的调用方式：用户可以通过语音触发多 API 或工具链的调度，而非依赖手动或文本指令，这可能加速企业自动化工作流的部署。
对用户/开发者/创作者的影响
对普通用户：日常效率显著提升，尤其在多任务并行场景（如出差规划、会议准备、项目跟进）。用户无需手动逐条输入，只需口述需求，AI 在后台处理多个子任务，节省时间成本。
对开发者：ChatGPT Voice 集成 Codex 意味着，编程场景中可以通过语音快速启动、调试或修改代码流程。如果未来开放 API，开发者或许能利用 GPT-Live 构建自有语音驱动的多线程 Agent 应用，但 OpenAI 尚未公布相关 API 细节。
对创作者：内容整理、笔记生成、草稿修改等重复性工作可被语音委托执行，释放脑力专注于创意判断。
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。
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
1. 产品落地范围：目前仅针对 ChatGPT 桌面应用用户，是否以及何时扩展至移动端或网页版尚未公布。2. 定价与访问权：语音模式是否需额外付费，还是包含在现有 ChatGPT Plus 订阅中，OpenAI 未明确说明，这将直接影响普及速度。3. 竞品跟进：Google 的 Gemini 模型和 Anthropic 的 Claude 近期也加强了多模态和 Agent 能力，此次 GPT-Live 的全双工语音模式可能刺激竞品加速类似功能的推出。4. 监管与隐私：全双工语音涉及实时监听和数据处理，在欧盟等地区可能面临合规审查，影响上线节奏。
来源：AIbase
