OpenAI於9月23日更新了ChatGPT的語音模式,一次改了三個地方:語音可以呼叫插件,例如信箱、行事曆和Slack;語音可以跑在GPT-6的三款模型上,也就是Astra、Sol和Luna;ChatGPT Work的網頁版和行動版也接上了語音。更新從當天就開始推送。
三處改動
插件進入語音。 過去要用插件得打字,現在對著手機說一句話,ChatGPT就能去翻信箱、查行事曆、在Slack裡找訊息。多家媒體提到已連接的應用程式包括Gmail、Google行事曆和Slack。
模型可以挑。 三款GPT-6模型分工不同:Astra是能力最強的一檔,Sol居中,Luna最輕量。Astra幾週前就已經上線,Sol和Luna在9月22日才剛從GPT-5.6升級到GPT-6,語音模式隔天就把三款全部接上了。
語音進駐ChatGPT Work。 Work是OpenAI用來處理文件、試算表、簡報和網站這類多步驟任務的工作區,接上語音後,使用者可以用口述的方式讓它產生檔案。OpenAI員工Vaibhav Srivastav在社群平台上是這樣形容的:
"Your email, calendar, Slack + docs, decks, sites and spreadsheets, just by talking."
翻成白話就是:信箱、行事曆、Slack,再加上文件、簡報、網站和試算表,只要開口說就能搞定。9to5Mac的比喻是,這有點像桌面版的Codex,只是出現的場合更多。
哪些方案能用插件語音、免費用戶算不算在內、語音呼叫插件時要不要逐項確認,這幾點公開資料裡都沒寫清楚。
從會聊天到能辦事
把之前報導過的幾次語音更新串起來看,可以看出OpenAI在語音上的重心正在轉移。7月那一輪,ChatGPT語音換上GPT-Live語音模型,主打全雙工,能邊聽邊說、允許中途打斷,改進集中在對話節奏上,使用者能叫它做的事情其實沒什麼變化。
這一次改的是背後的推理模型和能呼叫的工具。同一個「語音」入口,從聊天工具變成了能動用使用者資料的操作入口。這也帶來新的權限問題:一句含糊的口頭指令讓助理去發信或改行事曆,出錯時的代價比答錯一個問題高得多。
對中國大陸用戶的影響
ChatGPT並未在中國大陸正式提供服務,這次更新重點接上的Gmail和Google行事曆在中國大陸也無法直接連上,因此對中國大陸一般用戶幾乎沒有直接影響。
在海外工作、平常用Google全家桑和Slack的中文使用者可以直接用上。對中國大陸的團隊來說,值得參考的方向是:語音助理接的已經不只是模型,還有信箱、行事曆、即時通訊這些辦公系統的讀寫權限。中國大陸廠商也在做類似的事,阿里巴巴的Qwen語音模型先前已開始支援呼叫工具,但語音直接讀寫辦公信箱和行事曆的產品還不多見。
中國大陸辦公場景裡對應的是企業微信(WeCom)、釘釘(DingTalk)、飛書(Feishu)的信箱和行事曆功能。哪家廠商先把語音入口和這些系統的讀寫權限打通,並處理好誤操作時的確認機制,會是下一輪語音助理競爭的看點。
參考來源:OpenAI官方社群帳號、9to5Mac、CocoLoop、Android Headlines;三款GPT-6模型的升級時間點與語音的插件涵蓋範圍,以OpenAI公開說明為準。