ChatGPT桌面版接入语音模式：动口不动手的AI办公时代来了

7月24日，OpenAI宣布对ChatGPT桌面应用进行重大升级，正式引入由GPT-Live模型驱动的ChatGPT Voice模式。新版应用已与Codex完成合并，用户可以在聊天（Chat）、办公（Work）和编程（Codex）三大板块中，通过语音方式发起、检查或调整任务，实现真正的多线程工作协同。

这次升级的技术底座是GPT-Live全双工语音模型。与此前的语音识别功能不同，GPT-Live能够同时聆听和说话，让AI对话体验更接近真人交流。OpenAI在声明中表示，未来用户只需口述需求，ChatGPT就能根据思路快速推进多项任务。

从单轮对话到多任务并行

ChatGPT Voice的核心变化在于打破了”一问一答”的传统模式。新版支持从单一对话中启动多个工作流程，AI在后台执行任务的同时，用户可以继续交谈。

以商务旅行为例：你可以要求ChatGPT检查日历查找冲突、梳理收件箱查看航班变更、准备会议记录——而你在冲咖啡或处理其他事情。这种”口述即执行”的体验，本质上是将AI从信息助手升级为任务执行代理。

桌面AI办公的竞争加速

几乎同一时间，腾讯WorkBuddy也宣布了重要动作——正式上架鸿蒙电脑应用市场，成为鸿蒙电脑首款第三方桌面办公智能体。WorkBuddy接入了腾讯混元Hy3、MiniMax、Kimi、DeepSeek、GLM等多家大模型，支持复杂任务自主拆解与闭环执行，2026年6月月访问量已突破2000万。

桌面AI办公赛道正在快速升温。Google在7月22日推出了Gemini 3.6 Flash，专注降低编码和数据分析的token消耗。Anthropic也在测试Claude驱动的Managed Projects功能，让AI自主组织任务、维护上下文并执行定时工作。

语音交互的下一步

从产品演进路径看，OpenAI从2024年首次为ChatGPT引入语音识别，到如今实现全双工语音交互，每一步都在缩短人与AI之间的距离。语音模式不再是”输入方式的补充”，而是正在成为桌面AI的核心交互范式。

值得关注的是，Anthropic也在为Claude的语音模式增加Opus和Sonnet模型选项，替代此前仅使用的Haiku轻量模型。这意味着语音交互的”智力水平”正在向旗舰模型看齐，未来用户通过语音下达复杂指令时，AI的理解和执行能力将大幅提升。

当AI办公工具从”打字输入”进化到”口述指挥”，工作方式的变化才刚刚开始。