ITCOW牛新网 8月9日消息，OpenAI 日前宣布为 ChatGPT 桌面客户端接入语音交互通道 ChatGPT Voice，底层由本月早些时候推出的 ChatGPT-Live 语音模型系列驱动，用户此后可用口语指令驱动 AI 智能体在电脑上跑多步骤任务，而不再局限于打字或手机端那种偏闲聊的语音对话。
桌面版这次把”能说”和”能做”缝在一起：语音入口同时覆盖 ChatGPT Work 与 Codex 两条链路，并打通计算机操作能力，可替用户开网页、进应用、读内容；macOS 侧借 Appshots 机制还能申请读取屏幕元素，连图片的替代文本（alt-text）也纳入可感知范围。和手机版 Voice 最初只追求打断更自然、对话更顺滑但不能真动手不同，桌面版允许一句口语里塞进多步意图，模型中途缺参数或要确认时，用户直接开口接话即可继续，无需切回键盘。
据ITCOW牛新网了解，OpenAI 放出的演示里，一名开发者对着麦克风说了一段话，ChatGPT 便自行新建代码线程、提交 Pull Request 并定位某个 Bug 的根因；iOS 端用户则能通过远程访问在 Codex 里调用 ChatGPT Voice 发令。几乎同一窗口期，Anthropic 也给 Claude 补了语音模式，可调度 Opus、Sonnet、Haiku 三档模型，在 Gmail、Calendar、Slack、Notion、Canva 等办公应用里跑任务，两家在”语音即操作入口”上的节奏开始贴身交火。
