# OpenAI 桌面端 ChatGPT 能听懂人话了，你可以用嘴指挥它操作电脑

> 原标题：OpenAI 桌面端 ChatGPT 上线语音交互功能，可语音操控电脑执行多步骤任务

- 来源：AI HOT 精选
- 发布时间：2026-08-08T22:46:14.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/49533
- 原文：https://www.ithome.com/0/987/452.htm

## 摘要

OpenAI 给桌面版 ChatGPT 加上了语音交互，背后是新的 ChatGPT-Live 语音模型。现在你不仅能跟它聊天，还能直接让它动手干活，比如打开网页、操作应用。演示里，一个开发者用一句话就让 ChatGPT 创建代码分支、提交 Pull Request，还找到了一个 Bug 的根因。在 Mac 上，它甚至能读取屏幕内容和图片的替代文字。手机...

## 推荐理由

OpenAI 这次桌面端语音交互不是简单的语音问答，而是让模型直接操控电脑执行多步骤任务，演示链路完整，从语音指令到代码操作一气呵成。新模型 ChatGPT-Live 是支撑点，但正文没披露延迟、支持的应用范围、具体上线时间，实际体验还得等上手。我会先打个折，因为演示不等于量产，不过方向确实对开发者的胃口。

## 锐评

OpenAI 给桌面端 ChatGPT 加上了语音操控能力，背后是新的 ChatGPT-Live 语音模型。简单说，你现在可以动嘴让它在电脑上干活，比如打开网页、操作应用。演示里，开发者一句话就让 ChatGPT 创建代码分支、提交 PR 并定位 Bug 根因，在 Mac 上还能读取屏幕内容和图片的替代文字。这比之前手机版只能聊天进了一步，相当于把语音助手和电脑操作员合体了。

不过文章没披露几个关键信息：功能是灰度推送还是全量上线、支持哪些地区和语言、以及执行多步骤任务时的成功率和延迟到底怎么样。演示视频看着很顺，但实际用起来会不会频繁卡壳或误操作，正文没给数据。另外，Anthropic 同周也更新了 Claude 的语音模式，能调用自家模型在 Gmail、Slack 等应用里干活，说明这条赛道大家都在抢跑。

现在还缺的是：语音操控的权限边界在哪、出错时怎么回滚、以及对隐私敏感场景（比如读屏幕）的具体保护措施。这些没讲清楚之前，我对“一句话搞定工作流”这个说法会先打个折。