XNews

ChatGPT桌面端通过GPT-Live新增语音控制功能

ChatGPT桌面端通过GPT-Live新增语音控制功能

OpenAI在macOS和Windows平台的ChatGPT桌面应用(原Codex应用)中加入了语音控制功能,该功能由7月8日推出的GPT-Live语音模型驱动。GPT-Live采用全双工架构,能够同时进行听和说,无需轮流等待。用户可以通过语音控制电脑、启动Codex进行编程、通过ChatGPT Work安排任务,并在一次语音会话中管理多个后台代理。复杂的推理任务会被卸载到GPT-5.5后端处理,以保持对话流畅。macOS用户可使用Appshots功能,让语音会话看到最前端的窗口以提供上下文响应;Windows暂不支持此功能。iPhone用户可通过远程配对iOS ChatGPT语音来控制桌面版Codex。安卓支持正在规划中。该功能面向Plus、Pro、Business、Edu和Enterprise订阅用户全球开放,但免费用户无法使用。早期演示显示,用户可与Codex一起观看YouTube,通过AirPods完全用语音进行氛围编程,并将桌面投射到电视上进行环境交互。

Key insights

GPT-Live全双工架构实现自然、不间断的语音交互

与之前需要轮流等待的语音模型不同,GPT-Live能够同时听和说,使对话更加自然。将繁重的推理任务卸载到GPT-5.5上,可防止语音交互出现卡顿。这种设计对于实时电脑控制至关重要,因为用户在下达指令时需要即时反馈。

语音控制将桌面转变为环境计算平台

借助语音控制和屏幕上下文,用户可以在房间的任何位置通过AirPods或配对的iPhone与电脑交互。这实现了免提编程、媒体消费和任务管理,模糊了传统桌面使用与环境AI助手之间的界限。将屏幕投射并通过语音控制的能力,预示着向更灵活、更少依赖键盘的工作流程转变。

Source posts