Jarvis / Samantha / TARS / Etc Try it, and do your best work all while being away from that keyboard. Time to have fun! Available in the ChatGPT desktop app now.
一句话看懂：OpenAI 于 2026 年 7 月 23 日将 ChatGPT Voice 功能带入桌面端，用户现在可以语音控制计算机、指挥多个 AI 代理在 ChatGPT Work 或 Codex 中并行工作，底层由 GPT-Live 模型驱动，支持实时对话与任务协调。
事件核心：发生了什么
据 OpenAI 官方发布，ChatGPT Voice 正式登陆桌面应用。用户不再需要键盘输入，而是通过语音直接向 ChatGPT 下达指令，控制计算机操作并调度多个 AI 代理。这些代理运行在 ChatGPT Work（面向工作场景）和 Codex（面向编程任务）中，可以同时处理不同任务。技术层面上，该功能基于 GPT-Live 模型，实现了语音、听力和应用内工作流协调的同步处理。产品已于 7 月 23 日向全球用户逐步推送。在社交平台上，早期体验者 Thibault Sottiaux 引用电影《钢铁侠》中的 Jarvis、《她》中的 Samantha 和《星际穿越》中的 TARS 命名该体验，强调“脱离键盘”的工作方式。OpenAI 官方帖子在 X 平台获得超过 160 万次观看。
为什么重要
这一更新标志着 AI 交互从“对话框”向“语音指挥中心”迈出了实质性一步。此前语音助手多用于简单的问答或设备控制，而 ChatGPT Voice 桌面版直接切入复杂工作流调度——用户可同时指挥多个 AI 代理并行运行代码、生成内容、检索数据。GPT-Live 模型的意义在于，它并非单纯的语音转文字管道，而是一个感知与执行合一的实时系统，能够一边听、一边说、一边在应用内调用工具。这对整个 AI 行业竞争格局有提示意义：桌面端的语音 + 多代理调度能力可能是下一个高频交互入口，也直接挑战了现有 AI 插件和自动化工具（如 Copilot、Claude 的桌面体验）的设计边界。
对用户/开发者/创作者的影响
普通用户：日常办公效率提升明显。例如在写作、数据分析、项目管理中，可以口头发出“帮我整理这段会议记录，同时检查今天邮件里的待办项”这类复合指令，无需手动切换窗口。键鼠依赖显著降低。开发者：Codex 语音控制意味着编程过程中可以通过语音快速输入代码片段、调试指令，或同时启动多个测试环境。手势和键盘操作的负担减轻，尤其有利于无障碍开发和远程协作。创作者：文字、图像、音视频生成流程可语音驱动，例如说“帮我写一段开场白，然后用该文本生成配图”。多代理并行处理缩短了从创意到落地的周期。但需注意：目前公开信息未透露价格调整细节，免费用户的功能限制尚不明确。
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. 落地稳定性：GPT-Live 模型在复杂多代理场景下的实时响应延迟和错误率是体验关键，需要关注实际用户反馈。
2. 竞品跟进：谷歌、微软等拥有桌面端生态的公司，是否会快速推出类似的语音多代理调度方案，影响市场格局。
3. 开发者生态扩展：Voice 接口是否会向第三方 API 开放，让外部应用也能接入 ChatGPT 语音代理调度能力，这将决定该功能的价值上限。
