OpenAI 推出 GPT-Live 全双工语音控制，赋能 Codex 与 ChatGPT 桌面端免提编程

在推出其 更具自然主义风格的 GPT-Live 音频 AI 模型 （具备全双工能力，即可同时听与说）两周后，OpenAI 正将其直接引入开发者工作流。

该公司宣布， GPT-Live 现已为 ChatGPT 桌面应用程序提供支持 ，覆盖 macOS 和 Windows 平台，并直接集成至 Codex 和 ChatGPT Work 等智能体系统（二者是 ChatGPT 桌面应用中提供的独立体验）。

当 OpenAI 于 2026 年 7 月 8 日首次发布 GPT-Live 时，它推出了一种连续音频模型，能够同时听与说——消除了僵化的轮流发言机制，同时将复杂推理任务委托给后台模型（例如 GPT-5.5）。

此次发布将该对话层扩展至技术性任务，使软件工程师能够通过自然语音指令编排多线程编码任务、审查拉取请求（pull requests）以及调试应用程序。

因此，它可能开启一个全新的“免提式”软件开发时代，甚至催生面向线下真实场景的群体协作编程活动，惠及 超过 1000 万周活跃用户 ，这些用户分布于 Codex 与 ChatGPT Work之中。Codex 当然指 OpenAI 专为编程而设计的模型及工具套件，但该公司今年已将其拓展为一个更广泛的 通用生产力平台。 一位 OpenAI 发言人向 VentureBeat 表示，这是语音激活功能首次

OpenAI 发布了一段 宣传视频 ，展示了部分公司员工——Codex 开发者体验工程师 Jason Liu 与 Codex 技术人员 Guinness Chen——在同一房间内，共同使用同一个 ChatGPT 桌面应用会话，各自发出不同指令，并与同一模型进行对话。

新启用的功能

该集成的核心在于将实时语音层与底层执行引擎解耦。

尽管 GPT-Live 维持流畅对话——插入诸如“明白了”等自然口头回应而不打断用户——但它将繁重的计算工作负载交由后台推理模型处理。

在 macOS 上，桌面应用程序整合了“Appshots”（应用快照）与屏幕上下文功能，使 ChatGPT Voice 能够分析最前端窗口，同时结合本地文件、代码库结构及已启用插件。

该架构营造出一种结对编程动态：开发者以对话方式探讨问题，而智能体则异步执行任务。

开发者无需手动暂停编码会话以键入详细指令或切换窗口，即可全程免提操控系统。

全双工引擎可动态决定何时说话、暂停或调用工具，即使后台智能体正在处理复杂的代码修改，也能维持对话状态。

仅凭语音指挥编码与复杂构建任务

本次更新的核心运行能力集中于跨 Codex 与 ChatGPT Work 环境的多任务执行。

软件工程师可从单条语音提示启动多个并发任务线程。例如，一名准备发布某项功能的开发者可指示系统同步调查一个待解决的身份验证缺陷、审查一项待定的 API 迁移拉取请求，并生成缺失的单元测试。

桌面应用程序可在不同上下文之间协调这些操作，追踪 Slack 对话、GitHub 仓库及本地代码库中的问题。

开发者还可通过语音将设计原型图（mockups）转换为可运行代码，并将任务拆分至前端、后端及测试各层。

凭借对多文件夹项目（版本 26.715）的支持以及通过 iOS 实现的远程执行能力，工程师可在不切换应用程序或逐行管理各个进程的前提下，检查任务进度、响应智能体提示，并重新定向正在进行的任务。

专有许可证

OpenAI 的语音增强型桌面版发布采用专有商业企业模式。访问权限仅限于 Plus、Pro、Business、Enterprise 及 Education 等付费订阅计划的用户。

对于个人开发者及企业工程部门而言，这一商业结构意味着模型权重、语音处理流水线及智能体状态架构完全封闭。

组织无法修改或自行托管底层系统。此外，通过 ChatGPT Voice 启动的任务将直接消耗现有 Codex 与 ChatGPT Work 订阅计划的标准用量配额，语音触发的操作与标准智能体工作负载被同等对待。

社区反响

开发者社区立即注意到，将连续全双工语音引入自主编码工作流所蕴含的意义。

针对版本 26.715 发布公告（其中详述了语音集成与多文件夹项目支持），AI Insider 记者 @ChrisGPT 在 X 平台发文指出：“今天 OpenAI 将发布 Codex 的语音与远程指导功能！距离个人通用人工智能（AGI）又近了一步。”

早期技术反馈显示，开发者普遍热衷于免提编排复杂智能体任务，尤其在离开工作站或远程管理构建流水线时。

本文由 JOTO AI 智库从已授权的 VentureBeat AI 同步并整理。

原始来源：VentureBeat AI