OpenAI 在桌面端推出可监督代理而非回答问题的语音功能

OpenAI 于周四晚间将 ChatGPT Voice 推出到其 macOS 和 Windows 桌面应用中，并以正式版而非预览版的形式全球上线。它运行在 GPT-Live 上，这是一款 OpenAI 于 7 月 8 日 在移动端发布的全双工语音模型，可同时监听和发言，而不是机械地轮流进行。

实际功能

Voice 的定位是监督者，而不是听写工具。它可以启动新任务、查看已在运行的工作状态、询问代理相关问题，并调整并行线程中执行的代理——而用户则可以同时做别的事情。屏幕上的操作通过 OpenAI 现有的 Computer Use 工具完成，并在 Work 或 Codex 已拥有的权限范围内运行。它还能访问本地文件以及包括 Slack、GitHub 和 Notion 在内的连接器。

一个应用，三个界面

ChatGPT Work 于 7 月 9 日上线，当时 OpenAI 将 Codex 整合进 ChatGPT 桌面应用。如今，Chat、Work 和 Codex 是同一程序的三个界面。Work 接收一个结果目标，将其拆解，在已连接的应用中运行数小时，最后返回完成的文档、电子表格、演示文稿或网页应用，而不是聊天回复。Fortune 报道称，它上线后用户数已达到约 1000 万。

适用范围与使用方式

该功能适用于 Plus、Pro、Business、Edu 和 Enterprise，不适用于 Free，也不支持网页端。用户还可以通过 ChatGPT iOS 应用的 Remote 配对功能来驱动它；Android 版本“即将推出”。用户可自定义的全局快捷键可将其唤起。在 macOS 上，启用可选的 Screen context 设置后，系统会开启 “Appshots”，让 ChatGPT 参考最前方窗口的内容。

竞争视角

整合后的桌面应用瞄准的是 Claude Desktop，而其后台任务行为也与 Anthropic 的 Claude Cowork 相似；Codex 则在与 Claude Code 竞争，后者已于 3 月加入按住说话语音功能。OpenAI 没有公布任何针对语音功能的新安全措施，也没有设置并行代理数量上限。