ChatGPT语音桌面版正式上线：GPT-Live全双工对话、Appshots截屏功能，打造统一超级应用

GPT-Live技术：取代Advanced Voice Mode

GPT-Live是建立在 全双工架构 上的全新语音模型家族——它可以同时听和说，而不是像传统“按键通话”那样交替进行 。2026年7月8日发布了两个版本：

• GPT-Live-1 —— 面向付费用户（Go、Plus、Pro）
• GPT-Live-1 mini —— 面向免费用户

该系统 完全取代了此前的Advanced Voice Mode 。关键架构变化包括：

• 模型连续处理音频输入并生成音频输出，而非快速切换
• 模型每秒进行多次决策，判断是应回答、暂停还是调用工具
• 将复杂的推理任务在后台委托给 GPT-5.5（以及后续的GPT-5.6）处理
• 支持自然打断、重叠语音和实时的语气反馈（如“嗯哼”）
• 在对话的同时可以在屏幕上显示信息

此前的 Advanced Voice Mode（2024年中推出）是一个基于轮次的系统，交替进行听和说。它于2026年7月8日被GPT-Live 完全取代 。旧的macOS桌面语音功能更早——于 2026年1月15日 被移除 ——作为在GPT-Live推出前简化和增强语音能力的更广泛计划的一部分 。

跨Chat、Work和Codex模式的免提协作

ChatGPT Voice桌面版让用户可以通过语音 控制整个统一应用，涵盖三种模式——Chat、Work 和 Codex——均可从单个桌面界面中访问 。

• Chat —— 标准对话式ChatGPT界面
• ChatGPT Work —— 2026年7月9日推出，一个用于多步骤专业任务（创建表格、幻灯片、文档、网页应用）的新型自主智能体，由GPT-5.6和Codex驱动
• Codex —— 专门的编程智能体，现已集成到同一桌面应用中

用户可以口头命令 同时指挥Work或Codex中运行的多个智能体，例如：“查看我的日历，起草一封邮件，并准备一份会议摘要” 。

Appshots功能（仅限macOS）

在 Mac桌面应用 上，ChatGPT Voice集成了 Appshots 功能，该功能最初于2026年5月为Codex发布，允许AI捕获 最前端的应用窗口 ——包括其截图和可访问文本——作为上下文 。

• 在语音模式下的使用方法：在“设置”>“语音”中启用“屏幕上下文”，然后说“Take a look at this。”ChatGPT会捕获窗口的图像和文本，包括可视区域之外的内容
• 在Codex中的使用方法：同时按下两个Command键，将最前端的窗口发送给Codex
• 这使得ChatGPT能够从设计工具、仪表盘、文档和其他应用中获得实时的视觉和文本上下文，无需用户复制、粘贴或描述屏幕上的内容

与Computer Use和插件的集成

ChatGPT Voice桌面版利用 Computer Use（OpenAI控制操作系统的能力）、本地文件和插件来执行语音请求 。该系统可以：

• 操作系统、查看日历、打开应用以及与屏幕元素交互
• 使用 插件 扩展工具访问
• 在Windows上，提供相同的计算机控制功能，但缺少Appshots屏幕上下文功能

更广泛的整合：Codex + ChatGPT + Work → 一个由GPT-5.6驱动的桌面应用

ChatGPT Voice的桌面发布建立在两周前——2026年7月9日——发生的一项重大产品整合之上：

• 发生了什么：独立的Codex应用被合并到新的ChatGPT桌面应用中。合并后的应用包含三种模式——Chat、Codex和Work——在macOS和Windows上运行于一个界面中
• ChatGPT Work 被定位为ChatGPT和Codex的结合体，让非技术用户也能使用Codex的能力进行文档创建、工作流自动化和项目管理
• OpenAI还推出了 新的Chrome扩展、改版的应用内浏览器以及更快的Computer Use，均由GPT-5.6驱动