ChatGPT桌面端新增语音操控电脑

时间：2026年8月8日 地点：美国旧金山（OpenAI 总部） 人物：OpenAI Voice / Codex 团队；ChatGPT 桌面应用团队 事件详情： IT之家 8 月 9 日报道，OpenAI 当地时间周四宣布更新 ChatGPT 桌面应用，新增对 ChatGPT Voice 多步骤任务执行能力的支持。用户可直接通过语音与 ChatGPT 对话，让 AI 智能体在电脑上执行多步骤复杂指令，覆盖访问网站、应用操作、提交 Pull Request 与定位 Bug 根因等场景。这项功能基于 7 月发布的 ChatGPT-Live 全双工语音模型，同时支持 ChatGPT Work 与 Codex，macOS 上借助 Appshots 可让 ChatGPT 访问屏幕内容，iOS 用户则可通过远程访问功能在 Codex 中使用 ChatGPT Voice。 背景： OpenAI 于 7 月 8 日推出基于全双工架构的新一代语音模型 GPT-Live，去掉了传统语音系统中的轮次检测器，实现同时听说的自然对话；7 月 24 日 ChatGPT 桌面应用首次集成 Voice 模式，覆盖聊天、办公、编程三大板块。8 月 3 日 OpenAI 发布 GPT-Live 工程架构文章，明确桌面应用中控制电脑与协调代理的能力是其核心扩展方向，8 月 4 日进一步披露底层流式音频与异步任务解耦细节，此次桌面端更新正是这一架构承诺的多步骤 Agent 能力首次落地。 影响： - 开发者工作流被改写：演示中开发者一句指令即可让 ChatGPT 创建代码线程、提交 Pull Request 并定位 Bug 根因，语音驱动编程成为现实，Codex 与 ChatGPT Work 的协同边界被打破； - 桌面 Agent 竞赛升温：Anthropic 已于 7 月 23 日升级 Claude 语音模式，支持 Opus、Sonnet、Haiku 模型在 Gmail、Calendar、Slack、Notion、Canva 中执行任务，OpenAI 与 Anthropic 在桌面语音 Agent 层面正面交锋； - macOS 平台独占体验：通过 Appshots 读取屏幕含 alt-text，Mac 用户率先获得上下文感知的语音 Agent 能力，叠加 iOS 远程调度 Codex，移动端对桌面端 Agent 的反向操控成为新范式。 总结： 此次更新将 GPT-Live 的全双工语音优势延伸至桌面 Agent 执行层，使 ChatGPT 从语音聊天工具升级为语音驱动的工作助手，开发者首次可用一句话完成跨应用的复杂任务编排。配合 iOS 远程访问、macOS Appshots 与 Anthropic 的同步跟进，2026 年下半年 AI 语音 Agent 的桌面争夺战正式打响，重新定义人机协作的边界。 参考来源： - https://www.ithome.com/0/987/452.htm - https://new.qq.com/rain/a/20260809A02W0300 - https://openai.com/index/continuous-voice-interaction-with-gpt-live/ - https://new.qq.com/rain/a/20260804A052C100 - https://new.qq.com/rain/a/20260724A08PYZ00 - https://www.tmtpost.com/8095572.html