ChatGPT桌面版获得多步骤任务的语音控制

OpenAI正在将桌面AI交互提升到新的水平。周四，该公司宣布对其ChatGPT桌面应用进行重大更新，引入完整的语音控制。现在，您无需打字，只需与ChatGPT对话，即可让它免提执行计算机上的复杂多步骤任务。

这项新功能由OpenAI本月早些时候推出的ChatGPT-Live系列语音模型提供支持。语音功能可与ChatGPT Work和Codex无缝协作，并专为处理真实世界的计算机操作而设计。在macOS上，它甚至与Appshots集成，允许您授权AI查看屏幕上的所有内容，包括图像的替代文本。

真正令人兴奋的是，这远远超出了我们之前见过的移动语音功能。那些功能主要涉及流畅的对话和处理中断。这个桌面版本完全是另一回事——它关乎完成任务。您可以用自然语言发出复合命令，如果ChatGPT需要更多信息或想再次确认某些内容，它会以交互方式询问您。

在一次演示中，一位开发者使用单个语音命令创建了新的代码线程、提交了拉取请求，并快速定位了错误的根本原因。这就是过去需要键盘、鼠标和大量点击的工作流程。现在只需说出来即可。

OpenAI还提到，您可以使用iOS应用的远程访问功能在Codex中触发ChatGPT Voice，这增加了更多灵活性。

但OpenAI并不是这个领域的唯一参与者。Anthropic也一直在忙碌。他们为他们的AI助手Claude引入了一种新的语音模式。这种模式可以利用Claude的Opus、Sonnet和Haiku模型，帮助处理Gmail、Calendar、Slack、Notion和Canva等流行办公工具中的日常任务。

让AI更具对话性和能力的竞赛正在升温。随着语音控制成为标准功能，我们与计算机的交互方式即将发生巨大变化。无论您是开发者、忙碌的专业人士，还是只是喜欢与技术交谈的人，这些更新都值得关注。

关键要点

• 桌面语音控制：ChatGPT桌面应用现在支持语音命令来执行多步骤任务。
• 由ChatGPT-Live驱动：该功能使用OpenAI最新的语音模型。
• 与Work和Codex集成：可与ChatGPT Work和Codex配合使用，在macOS上通过Appshots实现屏幕访问。
• 真实世界演示：一位开发者使用语音创建代码线程、提交PR并查找错误。
• 竞争：Anthropic的Claude也为办公应用引入了语音模式。