ChatGPT Voice lanseres på Mac og Windows – slik fungerer den nye stemmeteknologien

GPT-Live-teknologien: Erstatter Advanced Voice Mode

GPT-Live er en ny familie av stemmemodeller bygget på en full-dupleks-arkitektur – den kan lytte og snakke samtidig, i stedet for å veksle i en turtatt «push-to-talk»-stil . To versjoner ble lansert 8. juli 2026:

• GPT-Live-1 – for betalende abonnenter (Go, Plus, Pro)
• GPT-Live-1 mini – for gratisbrukere

Dette systemet erstatter den tidligere Advanced Voice Mode fullstendig . De viktigste arkitekturendringene er:

• Modellen behandler lydinndata og genererer lydutdata kontinuerlig, ikke gjennom rask turtaking
• Den bestemmer «mange ganger per sekund» om den skal svare, pause eller kalle på et verktøy
• Den delegerer komplekse resonneringsoppgaver til GPT-5.5 (og senere GPT-5.6) i bakgrunnen
• Den støtter naturlige avbrytelser, overlappende tale og sanntids småord («mm», «ja»)
• Den kan vise informasjon på skjermen mens den snakker

Den tidligere Advanced Voice Mode (lansert midten av 2024) var et turtatt system som vekslet mellom å lytte og snakke. Den ble fullstendig erstattet av GPT-Live 8. juli 2026 . Den gamle macOS-stemmefunksjonen ble trukket tilbake enda tidligere – 15. januar 2026 – som del av en bredere plan for å strømlinjeforme og forbedre stemmekapabilitetene før GPT-Live-utrullingen .

Håndfri koordinering på tvers av Chat, Work og Codex

ChatGPT Voice på desktop lar brukere kontrollere hele den samlede appen med stemmen på tvers av tre moduser – Chat, Work og Codex – alle tilgjengelige fra ett enkelt desktop-skall .

• Chat – det vanlige samtalebaserte ChatGPT-grensesnittet
• ChatGPT Work – lansert 9. juli 2026, en ny autonom agent for flertrinns profesjonelle oppgaver (lage regneark, presentasjoner, dokumenter, nettapper) drevet av GPT-5.6 og Codex
• Codex – den dedikerte kodeagenten, nå integrert i samme desktop-app

Brukere kan gi talekommandoer for å styre flere agenter som kjører i Work eller Codex samtidig, for eksempel: «Sjekk kalenderen min, utkast en e-post og forbered en møteoppsummering» .

Appshots-funksjonen (kun macOS)

På Mac desktop-appen integreres ChatGPT Voice med Appshots, en funksjon opprinnelig lansert for Codex i mai 2026, som lar KI-en fange det fremste appvinduet – inkludert skjermbilde og tilgjengelig tekst – for kontekst .

• Slik fungerer det i Voice-modus: Aktiver «Skjermkontekst» i Innstillinger > Stemme, og si «Ta en titt på dette». ChatGPT fanger vinduets bilde og tekst, inkludert innhold utenfor det synlige området
• Slik fungerer det i Codex: Trykk på begge Kommando-tastene for å sende det fremste vinduet til Codex
• Dette gir ChatGPT sanntids visuell og tekstuell kontekst fra designverktøy, dashbord, dokumenter og andre apper uten at brukeren trenger å kopiere, lime inn eller beskrive hva som er på skjermen

Integrasjon med Computer Use og plugins

ChatGPT Voice på desktop utnytter Computer Use (OpenAIs evne til å styre operativsystemet), lokale filer og plugins for å utføre talte forespørsler . Systemet kan:

• Navigere i operativsystemet, sjekke kalendere, åpne applikasjoner og interagere med elementer på skjermen
• Bruke plugins for utvidet verktøytilgang
• På Windows gir det samme datamaskinstyring, men uten Appshots-skjermkontekst-funksjonen

Bredere konsolidering: Codex + ChatGPT + Work → én GPT-5.6-drevet desktop-app

ChatGPT Voice sin desktop-lansering bygger på en større produktkonsolidering som fant sted to uker tidligere, 9. juli 2026:

• Hva skjedde: Den frittstående Codex-appen ble slått sammen med den nye ChatGPT desktop-appen. Den kombinerte appen inneholder tre moduser – Chat, Codex og Work – som kjører i ett skall på macOS og Windows
• ChatGPT Work beskrives som en kombinasjon av ChatGPT og Codex, som gir ikke-tekniske brukere tilgang til Codex sine evner for dokumentopprettelse, arbeidsflytautomatisering og prosjektledelse
• OpenAI lanserte også en ny Chrome-utvidelse, en oppgradert innebygd nettleser og raskere Computer Use drevet av GPT-5.6