近日，OpenAI发布官方博文，宣布将ChatGPT的“语音模式”（Voice Mode）全面整合至主聊天界面，标志着其多模态交互能力再进一步。此次更新后，用户无需切换独立模块，即可在主窗口直接启动语音对话，同时享受文本、图像、地图等视觉信息的实时呈现，显著提升了交互的无缝性与功能性。
新版语音模式的核心突破在于视觉与听觉的协同输出。根据演示，当用户通过语音提问时，ChatGPT不仅能以自然语音回应，还会在聊天界面同步显示相关图表、图片或地图等辅助内容，并自动生成文字转录稿供用户回溯。这一设计尤其适用于需要多维度信息支持的场景，例如旅行规划或数据分析。为兼顾不同用户习惯，OpenAI在设置中保留了“独立语音模式”的切换选项，允许偏好纯音频体验的用户一键还原旧版界面。
此次更新是OpenAI战略布局的最新一环。此前，该公司已陆续推出AI购物助手、Atlas浏览器功能（支持iCloud钥匙串）、群聊功能及GPT-5.1模型等创新。通过持续迭代产品边界，OpenAI正逐步构建更全面的AI生态，而语音与视觉的深度融合，无疑为其应用场景拓展提供了新的想象空间。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/739532.html
