人工智慧開發領域的領導者 OpenAI 於 2026 年 7 月 23 日宣布大幅擴展其語音控制功能。 GPT-Live 音訊模型以其自然的全雙工互動（同時聽和說）而聞名，現在直接整合到適用於 macOS 和 Windows 的 ChatGPT 桌面應用程式中。這項創新旨在透過支援 Codex 和 ChatGPT Work 等代理系統的語音控制來改變開發人員的工作流程。
免持程式設計的新時代
GPT-Live 在電腦上的到來標誌著軟體開發新階段的開始，允許工程師僅使用語音命令來編排編碼任務、審查拉取請求和調試應用程式。這種「免持」功能有可能提高生產力並重新定義協作，特別是對於使用 Codex 和 ChatGPT Work 平台的每週超過 1000 萬活躍用戶而言。 Codex 最初是一個以程式設計為中心的模型，今年已擴展為更廣泛的生產力平台。
OpenAI 宣傳影片示範了這種整合的工作原理，展示了 Codex 團隊的 Jason Liu 和 Guinness Chen 等工程師與同一個 ChatGPT 桌面應用程式會話的即時互動。兩人都發布了不同的指令，並與同一模型協作對話，凸顯了小組編碼會議的潛力。
了解 GPT-Live 架構的工作原理
GPT-Live 與桌面環境的整合是基於將即時語音層與底層執行引擎分開。雖然 GPT-Live 與用戶保持流暢的對話，在不中斷的情況下插入「我明白」等自然的口頭確認，但它將較重的計算工作量委託給在後台運行的推理模型，例如 GPT-5.5。這種結構保證了語音互動的敏捷性，同時複雜的處理也能有效率地進行。
在 macOS 上，桌面應用程式包含「Appshots」和螢幕上下文等功能。這使得 ChatGPT Voice 能夠分析前台視窗以及本地文件、程式碼結構和活動插件，從而全面了解開發人員的工作環境。這種架構創造了一種「結對程式設計」動態，開發人員以對話方式討論問題，代理非同步執行任務。
工程師無需中斷編碼流程來輸入詳細指令或在視窗之間切換，而是可以無縫、免持地指導系統。全雙工引擎動態決定何時說話、暫停或呼叫工具，即使在後台代理處理複雜的程式碼修改時也能保持會話狀態。
多工和遠端語音管理
此更新的核心功能之一是 Codex 和 ChatGPT 工作環境中的多工處理。軟體工程師可以透過單一語音命令同時啟動多個任務執行緒。
- 調查開放身份驗證錯誤。
- 查看待處理的 API 遷移拉取請求。
- 同時產生缺失的單元測試。
桌面應用程式跨不同上下文協調這些操作，追蹤 Slack 對話、GitHub 儲存庫和本機程式碼庫中的問題。開發人員還可以將設計草圖口頭轉換為工作程式碼，在前端、後端和測試層之間劃分任務。借助對多資料夾專案（從版本 26.715 開始）和透過 iOS 的遠端執行的支持，工程師可以檢查任務進度、回應代理提示並重定向活動工作，而無需在應用程式之間切換或逐行管理流程。
新技術的授權和獨家使用權
重要的是，支援語音的 OpenAI 桌面版本在專有、商業和企業模式下運作。這些功能的存取僅限於 Plus、Pro、Business、Enterprise 和 Education 計劃的付費訂閱者。
對於個人開發者和企業工程部門來說，這種業務結構意味著人工智慧模型、語音處理管道和代理狀態架構保持完全封閉。組織無法修改或自行託管底層系統。此外，透過 ChatGPT 語音啟動的任務直接使用現有 Codex 和 ChatGPT 工作計畫配額中的標準使用分配，將支援語音的操作視為與標準代理工作負載相同。
社區反應與人工智慧的未來
開發人員社群立即對將連續、全雙工語音引入無人值守編碼工作流程的影響做出了反應。版本 26.715 的發布引起了極大的興奮，其中詳細介紹了語音整合和對多資料夾專案的支援。
專門研究人工智慧的記者 ChrisGPT 在社交平台上評論了此次發布：「今天，OpenAI 將為 Codex 推出語音和遠端指導！距離個人 AGI 又近了一步。」早期的技術反饋表明，人們對免提編排複雜代理任務的能力抱有廣泛的熱情，特別是在開發人員遠離工作站或遠端管理建置管道的情況下。人們期望這項技術將為程式設計領域的協作和效率開闢新的視野。
