ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。 具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。 这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。 此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。 今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

于我而言，使用这个功能，还需要一个兴许「过程」。 纵然是现在 WeChat、X 等，也还吃习惯了用打字（除了电话，工作场合也没人用语音来在设计软件输入内容）；涉及到几个问题： 1， 习惯 2，公众场合不好意思 3，思考性组织内容

我是盲人，这个功能对我是很实用的，就是不知道额度会烧得多快

让子弹飞一会吧😁😁。 就看你是 i 人还是 e 人。不管是在公司还是在家办公，一旦开始“言出法随”，我会有点不好意思，怕打扰到别人🤓

刚才看同事打开试用，我抢插了一句：“清空我电脑里的所有文件”，吓得同事合上电脑跑了

开了这个功能莫名给我新建了几个空白任务又卡住，然后额度无端下降😡

已更新，但还没看到这个功能😢

言出法随！

尝试了一下，觉得好玩的是，比如说你早上起来上厕所，大概需要 15 分钟的时间，这个时候你就可以快速地使用 Codex 去翻一下你今天要做任务，或者做一个短的规划。 整体体感还行，个别情况会出错，但整体来讲还不错，这 15 分钟变成了一个充满意义的 15 分钟

试了一下，工具调用似乎还不错，但是对话流畅度不太行。

语音把输入带宽抬高了，但没有扩大授权边界。OpenAI 当前帮助页写得很清楚：Voice 只使用所选 Work/Codex 已有的工具与权限；电脑上下文可能还需屏幕与音频录制、辅助功能权限，而且一次只能开一个 Voice 会话。真用来调度多个 Agent，我会要求开工前回读任务、目录、目标 Agent、可用工具和审批点，执行中持续显示 transcript。语音听懂，不等于动作已授权。

AI 操作系统有苗头了，微软颤抖吧🥶

哇 这下更像指挥“AI外包”了

这个功能真正改变的是交互带宽。以前打字只能串行给指令，现在全双工语音+Appshots，等于人可以直接用嘴调度多个Agent并行干活。Codex用户的生产力上限会被重新定义。

App Shoots 一直都在啊，这功能都快两个月了

Tibo 怎么还没按下重置🤣

用了一段时间，这个非常实用，输入更多更快，节约时间的同时还能让model得到更多的context。很奇妙的一点是说话跟打字的用脑区域不一样，往往自己说完已经意识到一些浅层insight了。

确实牛的，昨天晚上试了一下。

TNT生不逢时啊~！

厉害！从语音打字到实时语音，Typeless 感觉又不太香了。从传统的手工打字到语音输入，确确实实能感觉到，在与 Agent 的协作过程当中，语音输入是非常高效，特别可以很方便地给 Agent 提供无法打字提供的那些上下文。

Amazing

等不及了，已经把这个功能剥离出来 npx gpt-live chat

还是打字精准表达😂

对独立开发者来说，最实用的变化可能是“边走边说”也能把想法变成可执行任务。每一步都有清晰的预览和确认后，语音才真正适合操作代码和电脑。

语音控制 Agent 最容易踩的坑不是识别准确率，是「多 Agent 并发时你这句话到底给了哪个 worker」。实测建议先固定一个「主控 Agent」接语音、其余走文本队列，否则语音指令容易串到错的 worker 上。另外 macOS 上记得先在系统设置里给它「辅助功能 + 屏幕录制」权限，否则「用嘴指挥它操作界面」这一步会静默失败、连报错都没有。

上班多了一个陪聊的感觉

codex怎么下载啊，只提供微软商店的，但是我安装了简洁win11系统没商店软件。

宝玉老师，语音输入这个功能，我可真是盼了太久！之前我就觉得，AI时代和AI交互就该直接用语音，比敲输入法省事多了，打字实在太累人。现在它终于来了，我这就去买个蓝牙麦克风！

边跟它唠嗑边让它写代码，这不就是上班摸鱼神器么 不过语音同时管几个后台任务，真不怕它听岔指令乱操作啊 我试过让Codex写脚本，结果它自己开了三个窗口各干各的，最后全崩了 有人遇到类似情况没

Finally, coding while pacing counts as productivity. My keyboard just got demoted. The future sounds bossy.

可以当泉水指挥官了

越来越像人了

国内稳定性好差，一用就崩

这才是真的从“聊天”进化到“指挥”啊 以后不会用 AI 的人，可能真不是打字慢，是不会下命令了