一句话看懂：Anthropic 将语音模式从轻量级模型 Haiku 扩展至更强大的 Opus 和 Sonnet 模型，同时将语音交互接入 Gmail、Slack 等第三方应用，并新增十种语言支持。此举意味着语音对话从快速问答升级为可处理复杂业务推理的正式工具。
事件核心：发生了什么
据 The Verge 报道，Anthropic 于 7 月 23 日宣布，其语音模式现可在 Opus 和 Sonnet 模型上使用。此前，该功能仅限用于速度更快但能力较弱的 Haiku 模型。用户可在一次对话中自由切换语音与文字模式，也能随时更换底层模型。此外，Anthropic 还将语音模式扩展至 Gmail、Slack、Canva 等应用，并正式支持法语、德语、西班牙语、印地语、印尼语、意大利语、日语、韩语、葡萄牙语在内的九种语言（此前仅英语以测试版形式提供）。公司在一篇博文中解释，用户早已将语音模式用于“解决真实的业务问题”，而 Haiku 的设计初衷是保持对话简短，不适合深度推理。
为什么重要
这一升级标志着语音交互在 AI 产品中从“快问快答”阶段进入“复杂任务协作”阶段。Opus 和 Sonnet 作为 Anthropic 定位“用于解决硬问题”的深度模型，它们在语音模式下的响应会更长、分析更细致，并能代表用户执行操作，例如将对话整理成商业提案或根据火车晚点自动调整日历。对行业而言，这意味着语音不再仅仅是聊天接口的附属功能，而是大模型商用化的关键入口——尤其是在企业级场景中，语音可以成为生产力工具的默认交互方式。此举也直接与 OpenAI 的语音功能竞争，后者已通过 GPT-4 系列提供多模态语音能力。
对用户/开发者/创作者的影响
对普通用户，语音交互的可用场景大幅拓宽：你可以用它进行会议记录整理、复杂问题的逐步分析，或通过自然语音调度日程工具。对开发者，语音模式接入 Gmail 和 Slack 等应用意味着可以构建基于语音指令的自动化工作流，例如在邮件中起草回复、在 Canva 中生成设计草稿，这些不再需要纯文本 API 调用。对内容创作者，可借助 Opus 的深度推理能力，在语音对话中生成结构化的长文大纲或研究摘要，然后无缝切换到文字模式继续编辑。此外，新增的多语言支持将大大降低非英语用户的使用门槛，有利于 Anthropic 在欧洲、亚洲和拉美市场的本地化推进。
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
目前公开信息显示值得关注以下几点：第一，语音模式在 Opus 上的推理延迟和 token 成本是否会有明显上升，这会直接影响企业用户的采购决策；第二，Anthropic 是否会在后续为语音模式引入更丰富的多模态能力，例如同步读取屏幕或文档；第三，鉴于 OpenAI 此前已在语音模式中推出“视觉”功能，竞品 Google Gemini 也在推进实时语音交互，Anthropic 的生态能否通过接入更多第三方应用（如 Notion、Salesforce）形成差异化壁垒仍需观察。此外，新增语言的语音识别准确率在真实场景中的表现也值得留意，尤其对复杂口音和行业术语的处理。
来源：The Verge
