ChatGPT Voice มาแล้วบน macOS และ Windows! พูดสั่งงาน Agents ได้แบบเรียลไทม์ด้วย GPT-Live

เทคโนโลยี GPT-Live: แทนที่ Advanced Voice Mode

GPT-Live คือตระกูลโมเดลเสียงรุ่นใหม่ที่สร้างบน สถาปัตยกรรมแบบฟูลดูเพล็กซ์ — สามารถฟังและพูดไปพร้อมกันได้ ไม่ใช่สลับกันแบบ "กดเพื่อพูด" มีสองเวอร์ชันที่เปิดตัวเมื่อวันที่ 8 กรกฎาคม 2026:

• GPT-Live-1 — สำหรับสมาชิกแบบชำระเงิน (Go, Plus, Pro)
• GPT-Live-1 mini — สำหรับผู้ใช้ฟรี

ระบบนี้ เข้ามาแทนที่ Advanced Voice Mode รุ่นเก่าทั้งหมด การเปลี่ยนแปลงทางสถาปัตยกรรมที่สำคัญคือ:

• โมเดลประมวลผลอินพุตเสียงและสร้างเอาต์พุตเสียงอย่างต่อเนื่อง ไม่ใช่ผ่านการสลับรอบอย่างรวดเร็ว
• ตัดสินใจว่าจะตอบ หยุดชั่วคราว หรือเรียกใช้เครื่องมือ "หลายครั้งต่อวินาที"
• มอบหมายงานที่ซับซ้อนให้ GPT-5.5 (และต่อมาคือ GPT-5.6) ประมวลผลในเบื้องหลัง
• รองรับการขัดจังหวะตามธรรมชาติ การพูดซ้อนทับ และการส่งสัญญาณตอบรับแบบเรียลไทม์ ("อืม")
• สามารถแสดงข้อมูลบนหน้าจอขณะสนทนาได้

Advanced Voice Mode รุ่นเก่า (ที่เปิดตัวกลางปี 2024) เป็นระบบแบบผลัดกันฟังและพูด มัน ถูกแทนที่อย่างสมบูรณ์ โดย GPT-Live เมื่อวันที่ 8 กรกฎาคม 2026 ฟีเจอร์เสียงบนเดสก์ท็อป macOS รุ่นเก่าถูกยกเลิกไปก่อนหน้านั้น — ในวันที่ 15 มกราคม 2026 — ซึ่งเป็นส่วนหนึ่งของแผนการปรับปรุงความสามารถด้านเสียงให้ดียิ่งขึ้นก่อนการเปิดตัว GPT-Live

การประสานงานแบบแฮนด์ฟรีระหว่าง Chat, Work และ Codex

ChatGPT Voice บนเดสก์ท็อปช่วยให้ผู้ใช้ ควบคุมแอปครบวงจรด้วยเสียง ในสามโหมด — Chat, Work และ Codex — ทั้งหมดสามารถเข้าถึงได้จากเชลล์เดสก์ท็อปเดียว

• Chat — อินเทอร์เฟซ ChatGPT แบบสนทนาทั่วไป
• ChatGPT Work — เปิดตัว 9 กรกฎาคม 2026 เอเจนต์อัตโนมัติตัวใหม่สำหรับงานมืออาชีพหลายขั้นตอน (สร้างชีต สไลด์ เอกสาร เว็บแอป) ขับเคลื่อนโดย GPT-5.6 และ Codex
• Codex — เอเจนต์เขียนโค้ดโดยเฉพาะ ที่ตอนนี้รวมอยู่ในแอปเดสก์ท็อปเดียวกัน

ผู้ใช้สามารถพูดคำสั่งเพื่อ สั่งงานเอเจนต์หลายตัว ที่ทำงานใน Work หรือ Codex พร้อมกันได้ เช่น "เช็กปฏิทินของฉัน ร่างอีเมล และเตรียมสรุปการประชุม"

ฟีเจอร์ Appshots (เฉพาะ macOS)

บน แอปเดสก์ท็อป Mac ChatGPT Voice ผสานรวมกับ Appshots ฟีเจอร์ที่เปิดตัวครั้งแรกสำหรับ Codex ในเดือนพฤษภาคม 2026 ซึ่งช่วยให้ AI จับภาพ หน้าต่างแอปด้านหน้าที่สุด — รวมถึงภาพหน้าจอและข้อความที่เข้าถึงได้ — เพื่อใช้เป็นบริบท

• วิธีใช้ในโหมดเสียง: เปิด "Screen context" ใน Settings > Voice จากนั้นพูดว่า "Take a look at this." ChatGPT จะจับภาพและข้อความในหน้าต่าง รวมถึงเนื้อหาที่อยู่นอกพื้นที่ที่มองเห็น
• วิธีใช้ใน Codex: กดปุ่ม Command ทั้งสองข้างเพื่อส่งหน้าต่างด้านหน้าที่สุดไปยัง Codex
• วิธีนี้ทำให้ ChatGPT มีบริบทภาพและข้อความแบบเรียลไทม์จากเครื่องมือออกแบบ แดชบอร์ด เอกสาร และแอปอื่นๆ โดยไม่ต้องให้ผู้ใช้คัดลอก วาง หรืออธิบายสิ่งที่อยู่บนหน้าจอ

การทำงานร่วมกับ Computer Use และปลั๊กอิน

ChatGPT Voice บนเดสก์ท็อปใช้ประโยชน์จาก Computer Use (ความสามารถของ OpenAI ในการควบคุมระบบปฏิบัติการ), ไฟล์ในเครื่อง และปลั๊กอินเพื่อดำเนินการตามคำขอด้วยเสียง ระบบสามารถ:

• นำทางระบบปฏิบัติการ ตรวจสอบปฏิทิน เปิดแอปพลิเคชัน และโต้ตอบกับองค์ประกอบบนหน้าจอ
• ใช้ ปลั๊กอิน เพื่อการเข้าถึงเครื่องมือเพิ่มเติม
• บน Windows ให้ความสามารถในการควบคุมคอมพิวเตอร์เช่นเดียวกัน แต่ไม่มีฟีเจอร์ Appshots ที่ตรวจจับบริบทหน้าจอ

การรวมผลิตภัณฑ์ครั้งใหญ่: Codex + ChatGPT + Work → แอปเดสก์ท็อปเดียวที่ขับเคลื่อนด้วย GPT-5.6

การเปิดตัว ChatGPT Voice บนเดสก์ท็อปนั้นขึ้นอยู่กับการรวมผลิตภัณฑ์ครั้งใหญ่ที่เกิดขึ้น เมื่อสองสัปดาห์ก่อน ในวันที่ 9 กรกฎาคม 2026:

• สิ่งที่เกิดขึ้น: แอป Codex แบบสแตนด์อโลนถูกรวมเข้ากับแอปเดสก์ท็อป ChatGPT ใหม่ แอปรวมมีสามโหมด — Chat, Codex และ Work — ทำงานในเชลล์เดียวบน macOS และ Windows
• ChatGPT Work ถูกนำเสนอในฐานะการรวมกันของ ChatGPT และ Codex ทำให้ผู้ใช้ที่ไม่ใช่สายเทคนิคสามารถเข้าถึงความสามารถของ Codex สำหรับการสร้างเอกสาร การทำงานอัตโนมัติ และการจัดการโครงการ
• OpenAI ยังส่ง ส่วนขยาย Chrome ใหม่, เบราว์เซอร์ในแอปที่ปรับปรุงใหม่ และ Computer Use ที่เร็วขึ้น ซึ่งขับเคลื่อนโดย GPT-5.6