Audio & Speech

主要新闻

1. 1

   OpenAI为ChatGPT桌面应用增加语音控制功能

   发生了什么：OpenAI周四更新了ChatGPT桌面应用，增加了对ChatGPT Voice的支持，允许用户通过语音命令控制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——它让用户能够听写复杂的多步骤命令，并与ChatGPT进行往返交互以获得澄清。OpenAI在演示中展示了一位开发者通过单条语音命令要求ChatGPT创建线程、发起拉取请求并调试问题，这表明语音控制可能会重塑开发者和办公室工作人员与计算机的交互方式。

   值得关注：该功能自周四起全球推出。用户还可以通过iOS远程访问在Codex中使用ChatGPT Voice。Anthropic也类似地更新了Claude的语音模式，使其能与Opus、Sonnet和Haiku模型配合，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），用户可以在移动设备、桌面和网页端的对话中途切换模型。该模式支持十一种语言，并可与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（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——它目前是唯一允许用户直接从音频模式撰写和保存电子邮件的提供商。

   值得关注：用户现在可以在语音对话中选择使用哪个Claude模型，并灵活切换语言，根据任务需求在速度和能力之间进行权衡。

3. 3

   OpenAI推出GPT-Live语音桌面版本——工程师现可免手操作调试代码

   发生了什么：OpenAI宣布其全双工语音模型GPT-Live（可同时听说）现已驱动macOS和Windows上的ChatGPT桌面应用，并直接集成到Codex和ChatGPT Work等智能编码系统中。 为何重要：软件工程师现可通过自然语音命令而非键入文字来编排多线程编码任务、审查拉取请求和调试应用——这可能使免手操作的软件开发工作流成为现实。

   值得关注：GPT-Live最初于2026年7月8日推出；桌面版本集成在推出后两周发布，代表全双工语音首次整合到面向开发者的工具中。

4. 4

   OpenAI为桌面版ChatGPT推出语音功能，实现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推出ChatGPT Voice，扩展了该公司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流式意识的方式与ChatGPT对话，在处理其他事务时在后台完成多项任务——比如检查日历、查看电子邮件或起草文档——而无需使用双手。 为什么重要：桌面版推出针对软件程序员和大容量AI令牌用户这一利润丰厚的AI市场细分。该功能直接与OpenAI的编程产品Codex集成（该产品于7月9日并入ChatGPT Work），用户可以设置快捷键在其他应用程序中编码时触发语音命令，降低开发者与AI交互的摩擦。

   值得关注：OpenAI正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——一款家用扬声器和对话伴侣提供支持。Codex在7月9日ChatGPT Work推出后达到1000万用户，表明开发者势头强劲。

5. 5

   Skipper：船舶、偏远住宅、车辆专用离线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，专为船舶、偏远住宅、车辆、工作室、探险队和私人设施等离网环境设计。 为什么重要：身处互联网连接不稳定或无网络环境的用户现在可以获得AI辅助——包括语音提醒、使用手册、安全规程、设备信息——而无需依赖云服务，所有核心智能和信息均存储在Skipper系统本地而非外部服务器。

   值得关注：Skipper与船上、家中或移动设备系统的集成能力，以及保留用户特定背景和个性的能力；该产品可针对专业环境定制，所有数据本地保留，对无法依赖网络连接的海事、偏远和野外工作用户极具吸引力。

6. 6

   Claude的语音模式扩展到Opus和Sonnet模型

   发生了什么：Anthropic已向Opus和Sonnet模型提供语音模式——此前仅限于轻量级的Haiku模型。该公司还将语音模式引入Gmail、Slack和Canva等应用，并将语言支持扩展到法语、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。 为什么重要：Haiku被设计用于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入的工作——分析商业问题和生成复杂回应。Opus和Sonnet可以处理这些任务：它们能提供详细分析、将对话转化为单页方案，或在你的列车晚点时调整你的日程安排。对于日本及其他市场的企业和开发者来说，这将语音交互扩展到需要真正推理的任务，而不仅仅是快速回复。

   值得关注：用户现在可以在对话中期在文本和语音之间切换，并实时在模型之间切换——因此一个快速的Haiku聊天可以在问题变得更复杂时无缝升级到Opus。语言支持现已包括日语，消除了母语使用者的障碍。