OpenAI 为 ChatGPT Voice 接入插件

OpenAI 于 9 月 23 日大幅扩展了 ChatGPT Voice。用户现在可以在语音对话中调用电子邮件、日历、Slack 等插件，在语音背后工作的模型也换成了 GPT-6 Astra、Sol 和 Luna。在用于制作文档、演示文稿和电子表格的工作空间 ChatGPT Work 中，用户也可以在网页版和移动端用语音交代任务。OpenAI 在 X 上发布的公告中写道："我们清楚地听到了你们的声音。"

变化在于，语音从回答问题的工具变成了交办工作的窗口。根据 OpenAI 的发布说明，语音对话的 Live 模式在网页、iOS 和安卓上支持插件，可以在对话中直接调用账户已连接的应用。用户可以一边听回答，一边在聊天窗口中阅读同步出现的文字。如果在 Work 中结束语音通话时任务尚未完成，这项任务会以文字形式继续运行。

谁能用什么，由订阅方案决定。据报道，Plus 和 Pro 用户可以在手机的 Work 标签中创建文档、起草邮件、总结 Slack 消息，还可以制作网站、编写演示文稿、使用云端浏览器。Free 和 Go 用户只能在普通聊天的语音中使用其方案支持的插件。用语音使用 Work 需要同时拥有语音和 Work 权限，现有的应用连接、权限和使用上限照常适用。

根据 OpenAI 帮助中心，语音使用上限按滚动 24 小时计算。Go 可用 GPT-Live-1 mini 3 小时，Plus 可用 GPT-Live-1 3 小时，Pro 视档位为 15 小时或不限时。用语音交办的 Work 任务与打字交办的任务一样，计入 Work 用量。用户可以从 Arbor、Cove、Juniper 等 9 种声音中选择，也可以在 Apple CarPlay 中发起语音对话。

安全机制放在屏幕上。根据帮助中心，当插件操作需要用户批准时，语音会在屏幕上请求确认，用户必须用屏幕上的按钮批准或拒绝，不接受口头批准。语音对话的音频片段会与聊天记录一起保存 30 天，公司表示，除非用户选择分享，否则不会用音频训练模型。Live 模式目前还不支持视频和屏幕共享。

METAL 查看的 OpenAI 125 秒介绍视频，用日常场景展示了这一变化。一位用户通过语音发现金融应用在重复支付一本杂志，并一次性交代取消重复扣款、发送退款请求邮件。另一位用户口述搭建了一个出售陶器的网站，加上结账页面，再给码头发邮件询问帆船租赁，随后预订了下午 4 点的帆船。风速 8 节、阵风最高 12 节的天气回答也通过语音返回。

主导这次更新的是 ChatGPT 语音产品负责人 Atty Eleti。据报道，Eleti 在演示中只对应用说话，就分析了自己的外卖支出、预订了匹克球场并重新安排了日历。他说："未来，我们真的设想人们把语音作为与 AI 交流的主要方式，这差不多就是我们努力的北极星。"他表示，使用听写和语音模式的人已超过 1.5 亿。

Eleti 解释说，设计中也考虑到了语音并不总是正确答案。说话比打字快，但听比读慢。他说："我们并不把它看作纯粹的语音输入、语音输出，而是语音输入，然后返回合适的结果。""有时是文字，有时是语音，有时是两者混合。"一边用声音回答、一边在聊天窗口显示文字的这次设计，正是出自这一判断。

这次发布是短时间内连续推进的语音战略的延续。METAL 曾报道 OpenAI 通过 API 推出可以边听边说的 GPT-Live-1 语音模型，公司在 7 月推出 GPT-Live 后，先将其接入桌面应用，让用户用语音执行 Work 和 Codex 任务。9 月 9 日，语音在遇到较难问题时可以使用 GPT-5.6 或 GPT-6 Astra；前一天的 9 月 22 日，公司发布了 GPT-6 Sol 和 Luna。这次更新把这些模型带进了移动端语音。

竞争格局也更加紧迫。据报道，Meta 的个人代理 Muse 上线首周用户超过 50 万，日活跃用户超过 25 万。METAL 曾报道 Meta 推出 Muse。OpenAI 正在下周的开发者活动 DevDay 之前接连发布新功能，据报道，公司还在打造一款目标于 2027 年推出的智能音箱。如果用语音交办工作的习惯扎根，它就会成为那台设备的默认操作方式。

从记者的角度看，这次发布的分量在于方向，而不在于功能清单。OpenAI 开始把这样一种流程放在产品中心：拿着手机的用户几乎不看屏幕，就能发送邮件、取消扣款、完成预订。与此同时，需要用户批准的操作仍然要用屏幕按钮确认。用嘴交办、用眼确认的这条界线能维持多久，是接下来值得关注的地方。