Audio & Speech

主要新闻

1. 1

   OpenAI为ChatGPT桌面应用添加语音控制功能

   发生了什么：OpenAI周四更新了ChatGPT桌面应用，新增对ChatGPT Voice的支持，用户可以通过语音命令控制AI代理在计算机上执行任务。该功能采用ChatGPT-Live语音模型，兼容ChatGPT Work和Codex，包括访问网站、应用程序，以及在macOS上通过Appshots访问屏幕内容的功能。 为什么重要：桌面版本的功能比本月早些时候推出的智能手机版本更强大——用户可以口述复杂的多步骤命令，并与ChatGPT进行往返互动以获得澄清。在演示中，OpenAI展示了一位开发者通过单条语音命令要求ChatGPT创建线程、提交拉取请求并调试问题，这表明语音控制可能会改变开发者和办公室员工与机器的交互方式。

   需要关注：自周四起，该功能已在全球推出。用户也可以通过iOS上的远程访问在Codex中使用ChatGPT Voice。Anthropic同样更新了Claude的语音模式，使其可与Opus、Sonnet和Haiku模型配合使用，支持在Gmail、Calendar、Slack、Notion和Canva中执行任务。

2. 2

   Claude语音模式扩展至Opus和Sonnet，覆盖全平台

   发生了什么：Anthropic将Claude的语音模式扩展至Opus和Sonnet模型（之前仅限于Haiku），用户可在移动设备、桌面和网络上的对话中途切换模型。该模式支持11种语言，可与Gmail、Google Calendar和Slack等工具集成，通过语音撰写和发送电子邮件。 为什么这很重要：Claude的语音模式现在与OpenAI的GPT-Live和Google的Gemini Live形成更直接的竞争。虽然这些竞争对手采用全双工音频技术（同时说话和聆听）以获得更自然的体验，但Claude使用轮流制系统，并通过工具集成实现差异化——目前它是唯一允许用户直接在音频模式下撰写和保存电子邮件的提供商。

   需要关注的是：用户现在可以在语音对话期间选择要使用的Claude模型，并灵活切换语言，从而根据任务需求在速度和功能之间进行权衡。

3. 3

   OpenAI将GPT-Live语音功能引入桌面编程—工程师现可实现免手操作调试

   发生了什么：OpenAI宣布其全双工语音模型GPT-Live（可同时监听和说话）现已支持macOS和Windows上的ChatGPT桌面应用程序，并直接集成Codex和ChatGPT Work等代理编程系统。 为什么重要：软件工程师现在可以通过自然语音命令来协调多线程编程任务、审查拉取请求和调试应用程序，而无需输入——这有望实现完全免手的软件开发工作流程。

   值得关注：GPT-Live最初于2026年7月8日推出，桌面集成在该首次亮相两周后推出，标志着全双工语音首次集成到开发者工具中。

4. 4

   OpenAI将ChatGPT Voice扩展至桌面，支持免手操作任务自动化

   发生了什么：OpenAI已在桌面和笔记本电脑上发布ChatGPT Voice，扩展了其本月早些时候在移动设备上推出的GPT Live语音技术。该功能让用户能够以意识流的方式与ChatGPT交流，在处理其他工作（如查看日历、审阅邮件或起草文件）的同时，在后台完成多项任务，无需动手。 为什么重要：桌面版本的推出针对软件程序员和高容量AI令牌用户，这是AI市场中利润丰厚的细分市场。该功能直接集成OpenAI的编程产品Codex（已于7月9日合并到ChatGPT Work中），用户可以设置快捷键在其他应用中编码时触发语音命令，减少开发者与AI交互的摩擦。

   值得关注：OpenAI将语音定位为在竞争激烈的AI市场中的竞争优势。据彭博社报道，该公司还暗示GPT Live可能会为其即将推出的硬件设备——一款室内扬声器和对话伙伴——提供支持。Codex在7月9日ChatGPT Work推出后达到了1000万用户，表明开发者动力显著。

5. 5

   Skipper：适用于船舶、偏远住宅和车辆的离线AI助手

   发生了什么：Skipper是一款无需互联网即可运行的AI伴侣，提供语音交互、自定义记忆、高清视觉和本地知识存储功能，可用于船舶、偏远住宅、车辆、工作坊、探险队和私人安装等离网环境。 为什么重要：身处网络不可靠或无网络环境中的用户现在可以获得AI协助——包括语音提醒、手册、安全程序、设备信息等——无需依赖云服务，所有核心智能和信息都存储在Skipper系统本地而非外部服务器上。

   值得关注的是：Skipper能否与船载、家用或移动系统集成并保留特定用户的背景信息和个性特征；该产品可针对专门环境进行定制，并在本地保留所有数据，对无法依赖网络连接的海事、偏远地区和现场工作用户具有吸引力。

6. 6

   Claude的语音模式扩展至Opus和Sonnet模型

   发生了什么：Anthropic公司已将Opus和Sonnet模型纳入语音模式——此前语音模式仅限于轻量级的Haiku模型。公司还将语音模式扩展至Gmail、Slack和Canva等应用，并新增对法语、德语、西班牙语、印地语、印度尼西亚语、意大利语、日语、韩语和葡萄牙语的支持。 为什么重要：Haiku设计初衷是快速回答并保持对话简洁，但用户开始将语音模式应用于更深层的工作——分析商业问题和生成复杂回复。Opus和Sonnet能够胜任这些任务：它们可以提供详细分析、将对话转化为一页纸的方案、甚至在你坐的列车晚点时帮助调整日程。对于日本及其他市场的企业和开发者来说，这为需要真正推理能力而非仅快速回复的任务打开了语音交互的大门。

   需要关注的是：用户现在可以在对话中途在文字和语音之间切换，并即时在不同模型间转换——这样一个快速的Haiku对话可以在问题变得更复杂时无缝升级至Opus。语言支持现已包含日语，为母语使用者扫除了障碍。