当前位置:

首页 > 硬件相关 > ChatGPT语音杀入桌面,你负责动嘴,一群AI负责干活

ChatGPT语音杀入桌面,你负责动嘴,一群AI负责干活

Air Explorer Pro
Air Explorer Pro

Air Explorer Pro是一款跨平台多网盘管理工具,可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整,持续下载、批量同步或需要稳定传输流程的场景会更适合它。

立即下载
¥99
Windows/macOS 2026-08-22
正版软件 Windows macOS软件 Pro 文件搜索工具 Pro下载 Pro正版软件 Pro购买

先说个有意思的。Andrej Karpathy,就是那个AI圈的大神,最近分享了一个他特别爱用的懒办法。 想让AI干活,但一个字一个字把需求敲清楚实在太麻烦,怎么办? 他的答案是:干脆往后一靠,切换到语音模式,彻底放飞自我,意识流全开,对着手机或者麦克风说上十分钟。哪怕说得一团乱麻、前言不搭后语,都

本文目录

    先说个有意思的。Andrej Karpathy,就是那个AI圈的大神,最近分享了一个他特别爱用的懒办法。

    想让AI干活,但一个字一个字把需求敲清楚实在太麻烦,怎么办?

    他的答案是:干脆往后一靠,切换到语音模式,彻底放飞自我,意识流全开,对着手机或者麦克风说上十分钟。哪怕说得一团乱麻、前言不搭后语,都没关系。

    有时候他甚至会先跟AI打个招呼:“切语音识别了,别介意错别字。”

    神奇的是,他发现AI特别擅长处理这种又长又乱的碎碎念。模型会把你的这些“意识流”重新拼起来,整理成一份非常干净、清晰的输出。说实话,最终给你的版本,往往比你自己说的还要来得有条理——你脑子里那团纠缠的想法,被它捋顺了,来回纠偏的次数也少了很多。

    这,就是Karpathy自己跟AI打交道最顺手的一种方式。

    用他的话说,这能极大地改善人和模型之间的“心智融合”。人嘛,总懒得把一件事的来龙去脉一个字一个字敲清楚,那还不如干脆开口,把整团乱麻一股脑倒出去,让AI来帮你理。

    所以,语音的真正价值,说实话,不是解放双手,而是让你能一口气把一整个思考过程——前因后果、心路历程——全带宽地倒给AI。

    巧了,就在这几天,OpenAI干脆把这套“用嘴指挥AI”的玩法,直接搬进了桌面。

    桌面版ChatGPT,现在能用嘴指挥了

    7月23日,OpenAI正式把ChatGPT的语音功能(Voice)送进了桌面版App的Work与Codex场景。

    从当天起,在macOS和Windows上全球分批推送,覆盖了Plus、Pro、Business、Edu、Enterprise各档用户。Android版本也即将跟上,iOS则通过Remote配对远程接入。

    它的底层,是7月8日刚上线的新一代语音模型GPT-Live。这个模型的厉害之处在于,它能同时听和说:你随时可以打断它,它会接着你最新那句话往下走,不再是老式那种“先录音、再转文字、然后回你一句”的笨办法。

    但关键在于,这次语音功能不只是拿来闲聊的。

    在Work和Codex里,你张嘴就能启动一个任务、问问它跑得怎么样了、看看某个智能体现在什么状态,甚至还能在同一段对话里同时协调好几个Agent,让它们各干各的。

    任务在后台跑着,你随时插一句让它换方向;它卡住了或者干完了,会主动开口,或在屏幕上给你提个醒。

    它甚至能顺着你手头的活儿往下接:调用已有的项目上下文,连上文档、日历、联系人和通讯记录,把一件做了一半的事收尾。

    官方也给出了一些很生活的实例:让它查查日历有没有冲突、翻翻邮箱看看航班改没改、顺手把会议纪要备好。用他们的话说,“趁你泡咖啡或者忙别的”,这些活在后台自己就跑完了。

    macOS上还多了一手Appshots和屏幕上下文,能直接读取你当前最前面那个窗口,结合本地文件和代码库一起理解,热键也能自定义。

    数据方面,Codex加ChatGPT Work的周活已经过了1000万。

    OpenAI发的宣传片里有个画面很有意思:几名工程师站在同一个房间,对着同一个桌面会话,各说各的指令。一个AI,一屋子人围着它下命令——这大概就是他们想象中的“群体编程派对”吧。

    OpenAI用一段居家场景演示ChatGPT Voice:开口把想做的事说给桌面版Codex,它在后台接着干。

    打字是AI输入瓶颈,但语音不是

    这当然不是OpenAI一家心血来潮。

    几乎同一周,三个行业大佬几乎不约而同地把票投给了“语音”。

    Karpathy在X上发帖,前面已经说过了。一位Grok的铁粉转发了Karpathy的帖子,说自己早用惯了Grok的语音转文字,“现在打字都觉得像上刑”,还顺便吐槽了Anthropic的语音输入“其实还挺基础的”。

    马斯克又把这条转了出去,补上一句:你可以像跟人说话一样,用Grok Build把任务交给Grok去干。

    奥特曼也不忘推销自己新一代语音模型GPT-Live。他自曝一向更爱打字,不爱跟AI说话,但如今他跟ChatGPT“说的已经比打的多了”。

    他还专门点出:当你有一大堆上下文要一次性倒给AI的时候,语音最好用。

    让三位大佬兴奋的,其实不是“终于能用嘴了”这么简单。这背后藏着这样一个逻辑:智能体越来越强,你要喂给它的意图也越来越复杂,键盘这条管道就开始拥堵了——你打得越省事,模型拿到的信息就越干瘪。

    而语音输出,则是天生的宽管道:你能一口气把前因后果、顾虑偏好全说出来,哪怕说得乱,模型也能兜住,再替你把那团意识流理清楚。

    社区里已经有人实测过:语音吞吐大概每分钟240个词,打字顶多70到80个词,差了三四倍。

    GPT-Live把重活甩给后台的GPT-5.5、GPT-5.6去想,前台只管让对话流畅地接住你。这套解耦,恰恰是为了让人们可以随便开口。

    说到底,人脑里的想法本就是并行的、跳跃的,键盘却逼你压成一行一行的字。而语音,让这道墙松动了。它正从一个“偷懒的输入法”,变成一个“高带宽的上下文入口”。

    一句话:打字是AI输入的瓶颈,但语音不是。

    语音输入背后,是“用嘴管项目”

    OpenAI这次真正塞进桌面版的,是让语音去“管AI”。

    按官方FAQ的说法,在Work和Codex里,你开口能干很多事:启动一个任务,给几个任务排优先级,中途打断、掉头改方向,而活儿在后台继续跑。

    更进一步,它能在多个对话和项目之间,协调好几个智能体一起干。你说一句“A先做,B先挂着,C出结果了叫我”,后台就照着重排。

    它还能接着上次的活儿往下干,靠的是项目上下文,加上连接进来的工具——你的文档、日历、联系人、通讯记录。

    任务卡住了或者干完了,它会用语音或者屏幕上的提示告诉你一声。

    这已经不是语音输入法的活儿了。它更像一个中枢,你在上面调度一支智能体团队。同样是开口和AI说话,以往是让AI听懂你,现在是让AI替你干活。

    ChatGPT想当的,是你的“AI工作操作系统”

    一个语音功能背后,藏着一条更大的路线:OpenAI想让ChatGPT做你的“AI工作操作系统”。

    这几个月,OpenAI一直在重做桌面版ChatGPT,把Chat、Work、Codex放进了同一个入口,一键切换,在后台长期跑着。Codex,也早扩成了能并行多个智能体、跑长任务、读懂整个项目的通用平台。

    为什么把这套能力放桌面,而不是留在人人都在用的手机上?

    主要是因为手机那块小小的聊天框干不了复杂活儿,它适合随口问两句。真要让AI连着你的文件、代码和软件,把一件事从头做到尾,它就得待在你的电脑里。桌面才有文件、集成开发环境(IDE)、浏览器、一整套企业办公软件,这才是智能体干活的主战场。

    这背后,是一次人类与AI交互方式的翻转。过去你用AI,是在“操作软件”:打开、输入、等待,一个回合一个回合地来。现在你更像个带团队的经理:开口把任务分下去,你和AI的关系,从“你问它答”,悄悄变成了“你说它做”。

    一位重度用户干脆说,这套东西用起来“基本就是贾维斯”。他甚至让Codex帮自己配了个快捷键,一开口就能在三台机器、几块屏幕之间来回切换。

    回到开头那个场景,真正让马斯克、奥特曼、Karpathy等大佬们兴奋的,不是可以扔掉键盘了,而是当输入不再是瓶颈,人可以把省下来的那点脑力,还给真正值得琢磨的事:决策。

    所以下一个问题,其实不是“你能不能开口”,而是当你面前站着一屋子随叫随到的AI,你到底想让它们,替你做什么。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 AI
    相关文章 更多
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查

    Nod 0.8.1补充连接服务状态与原因、Attio Cloudflare 403诊断,并让Gmail在连接服务429或503后延后计划轮询。

    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化
    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化

    Ducter 0.0.59扩展Telegram、Slack和Mac iMessage会话,区分项目目录来源、Git可选、等待状态与附件入口。

    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?
    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?

    llama.cpp b12435、b12436、b12438预发布构建,分别解释Vulkan并列选择确定性、32位编译与Jinja JSON键排序的适用范围。

    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化
    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化

    ScopeWeaver 0.9.2、0.9.3与0.9.4分别调整桥运行时、Zod依赖和同进程服务器重建后的暂停状态;区分版本对象与作者本地研究用途声明。

    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分
    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分

    MiniMax-H3-Image新增DiffSynth-Studio文档推荐后,配置选择应围绕具体推理配方和独立训练流程展开。文档中的24GB GPU方案分别配合32GB或8GB主机RAM,所用量化、CPU或磁盘卸载方式不同;新增文档入口本身没有发布模型新权重或标注一个新的框架版本。

    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗
    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗

    AG2 1.3.2统一缓存Token统计并更新ACP1.x依赖;解释预算提前触达、报表口径与Python3.15构建限制。

    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径
    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径

    llama.cpp b12433避免AMD设备将奇数src0列送入需要偶数列的MMVF路径:满足偶数条件才保留MMVF,其他形状沿用既有回退。对应改动发生在MUL_MAT_ID处理和相关同步判断中,范围限定于代码说明中的类型与token条件。

    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话
    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话

    Ducter 0.0.58调整任务阅读、执行中消息和后台会话,区分下一步发送与做完再说,并说明tailnet HTTPS辅助的条件。

    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分
    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分

    Unlimited OCR 2官方确认百度智能云TextMind渠道;区分云端入口、账号权限配额与本地模型部署,避免混淆接口和计费条件。

    Apple Health AI Study App 1.0的报名条件与隐私规则怎么看?
    Apple Health AI Study App 1.0的报名条件与隐私规则怎么看?

    Apple Health AI Study App 1.0的重点是健康AI使用研究:合格用户可以选择参加、提问和提供反馈,也可以决定是否分享特定HealthKit数据及问卷回应。参与范围有地区、年龄、设备和系统限制,应用的回答不能替代医生诊疗。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。

    即将离开本站
    您即将前往第三方网站,请确认是否继续?