ChatGPT桌面端支持语音控制：Mac和Windows也能直接“说话指挥”AI

ChatGPT桌面端语音控制来了，电脑操作更像“说一句就行” 🎤

ChatGPT 桌面端（原 Codex App）这次更新，最大的变化就是加入了语音控制。macOS 和 Windows 用户现在可以直接用说话的方式，让 AI 去执行任务，不用再一边打字一边切换窗口。

对于需要频繁处理代码、文档、任务分配的人来说，这种交互方式明显更顺手。语音一开，AI 不只是聊天工具，更像一个能听指令、能干活的桌面助手。

这次更新到底能做什么

这次语音控制不是简单的“语音转文字”，而是更完整的指令式协作。核心能力主要有下面几类：

• 直接用语音和 ChatGPT 对话
• 让 ChatGPT 操控电脑执行任务
• 启动 Codex 进行写代码
• 调度 ChatGPT Work 执行后台任务
• 同时管理多个 Agent 智能体

简单理解，就是用户负责口述需求，AI 负责分头处理。对需要多任务并行的人来说，这种模式非常省时间。

GPT-Live 是这次升级的关键

这次语音功能基于 GPT-Live，OpenAI 在 7 月 8 日推出的新一代语音模型。它和以前最明显的区别，是采用了全双工架构。

什么叫全双工

全双工的意思是，AI 可以一边听用户说话，一边给出回应，不需要等用户完全停下来再回答。体验上会更接近日常对话，而不是“你说一句，它等一会儿，再回一句”。

这个变化很重要，因为它让语音交互更自然，也更适合复杂场景：

• 用户可以边说边补充说明
• AI 可以更快接住上下文
• 对话过程不容易被打断
• 任务执行时的等待感更弱

复杂任务怎么处理

如果遇到需要深度推理的问题，GPT-Live 会把任务交给后台的 GPT-5.5 处理，自己继续和用户保持语音交流。

这意味着语音对话不会因为后台计算而卡住，前台沟通和后台推理可以同时进行。对用户来说，体验会更连贯。

macOS 还有一个更实用的功能：Appshots 👀

这次更新里，macOS 用户还多了 Appshots 功能。它的作用是：在语音对话过程中，ChatGPT 可以直接看到当前最前面的窗口，帮助理解用户正在做什么。

这个功能适合哪些场景

Appshots 的价值，在于让语音回答更贴近实际屏幕内容。比如：

• 正在看一段代码，可以直接问“这个函数有什么问题”
• 正在编辑文档，可以问“这段表述是否需要优化”
• 正在处理表格，可以让 AI 帮忙检查结构
• 正在做界面操作，可以让它结合当前窗口给建议

这种能力让 ChatGPT 不再只“听懂话”，还更能“看懂现场”。

Windows 目前的情况

需要注意的是，这项屏幕感知能力目前只在 macOS 上可用，Windows 还没有开放。同样是桌面端，当前体验还是有差异的。

iPhone 也能远程指挥桌面端

这次更新还有一个很实用的延伸玩法：iPhone 用户可以通过远程配对，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。

这意味着什么

简单说，就是人不一定非要坐在电脑前。拿着手机，也能远程让桌面端干活，比如：

• 在沙发上口述任务
• 外出时临时安排代码处理
• 通过手机远程指挥电脑执行操作
• 把零碎需求先交给 AI 处理

这种使用方式对经常切换场景的人来说很方便，尤其适合移动办公和远程协作。

目前谁能用

这次功能是全球同步推出的，但并不是所有人都能立刻使用。

已开放的用户范围

目前支持：

• Plus 用户
• Pro 用户
• Business 用户
• Edu 用户
• Enterprise 用户

暂时不能用的人群

免费用户目前还无法使用这项语音控制功能。Android 支持也还在推进中，暂未正式上线。

这次更新最值得关注的地方

如果只看表面，很多人会觉得这只是“ChatGPT 加了语音”。但真正的变化，其实是桌面端操作方式变了。

三个明显趋势

1. 交互从“打字输入”转向“口述指令”
2. AI 从“聊天工具”转向“桌面执行助手”
3. 多 Agent 协作开始变得更日常化

这也意味着，未来很多重复性电脑操作，可能会越来越多地交给语音指挥完成。用户只要把目标说清楚，AI 就能分步处理。

简单总结

ChatGPT 桌面端这次加入语音控制后，macOS 和 Windows 用户都能更自然地和 AI 协作。GPT-Live 让对话更流畅，Appshots 让 macOS 更懂屏幕上下文，iPhone 远程配对则把使用场景进一步扩展到了移动端。

如果平时就会用 ChatGPT 处理写作、代码、任务分发，这次更新会非常实用。它不只是“更方便”，而是真的把 AI 助手的使用门槛又往下拉了一步。