ChatGPT 桌面版上线语音操控功能，一句话可完成多步骤复杂任务

OpenAI 于 2026 年 8 月 8 日宣布，ChatGPT 桌面应用完成重要更新，正式加入 ChatGPT Voice 语音交互功能。这一能力建立在 OpenAI 本月初推出的全新 ChatGPT-Live 语音模型系列之上，标志着 ChatGPT 从单纯的对话工具向可执行操作的 AI 智能体迈出关键一步。用户无需键盘输入，直接开口说话即可驱动 AI 完成各类电脑端任务。

与手机版 ChatGPT Voice 相比，桌面版在执行能力上有显著提升。手机版上线之初主要优化了语音对话的流畅度以及用户打断 AI 时的响应效果，但并不支持直接在设备上执行操作。桌面版则打通了这一环节，用户可以下达包含多个步骤的复杂指令，ChatGPT 在执行过程中若需要额外信息或用户确认，也会主动发起交互，形成真正意义上的人机协作闭环。

在功能集成层面，ChatGPT Voice 桌面版同时支持 ChatGPT Work 和代码智能体 Codex，并具备调用计算机操作能力，可帮助用户访问指定网站和应用程序。在 macOS 平台上，借助 Appshots 功能，用户还可授权 ChatGPT 读取屏幕上的内容，包括图片的替代文本，进一步拓展了 AI 感知和理解当前工作环境的能力边界。

OpenAI 发布的演示视频直观呈现了这一功能的实际效果：一名开发者仅凭一句语音指令，便让 ChatGPT 依次完成了创建新代码线程、提交 Pull Request，以及追溯并定位某个 Bug 根本原因的完整工作流。这一场景展示了语音操控在软件开发领域的实用潜力，也预示着 AI 智能体正在向更深层的专业工作场景渗透。此外，用户还可通过 iOS 应用的远程访问功能，在 Codex 中调用 ChatGPT Voice。

在 OpenAI 推进语音智能体能力的同时，竞争对手 Anthropic 也同步更新了旗下 Claude 的语音模式。Claude 语音功能可调用 Opus、Sonnet 和 Haiku 三款模型，并支持在 Gmail、Google Calendar、Slack、Notion 和 Canva 等主流生产力与协作应用中执行具体任务。两家头部 AI 公司几乎同期推出语音智能体能力，表明将语音交互与实际任务执行相结合，已成为当前 AI 助手竞争的核心战场。

要点

• ChatGPT 桌面版新增基于 ChatGPT-Live 模型的语音功能，用户可通过语音驱动 AI 智能体在电脑上执行多步骤复杂任务。
• 桌面版执行能力显著强于手机版，支持 ChatGPT Work 和 Codex，并可在 macOS 上通过 Appshots 读取屏幕内容。
• 演示场景显示，开发者可用一句语音指令完成创建代码线程、提交 Pull Request 及定位 Bug 的完整工作流。
• Anthropic 同步推出 Claude 语音模式，支持在 Gmail、Slack、Notion 等应用中执行任务，语音智能体赛道竞争加剧。