ChatGPT移动端上线语音智能体，Plus与Pro可直接语音处理工作

OpenAI 周三宣布，将 语音智能体功能 带入 ChatGPT 移动端。用户可以直接开口下达指令，让它起草文档、归纳邮件，或者把零散的待办理成清单。

这项能力并非对所有用户同时开放。ChatGPT 的 Plus 与 Pro 订阅用户在手机上会看到 Work（工作）标签页，可以在里面新建文档、起草邮件、汇总 Slack 消息。

更重一点的活儿也在范围内：搭建网站、制作演示文稿、调用云端浏览器，以及进入财务等板块。免费用户和 Go 档位用户这次拿到的是插件与已连接的应用。

Go 是 OpenAI 价格更低的订阅档位，位置在免费版与 Plus 之间。

语音与文本之间也打通了。OpenAI 表示，语音对话会给出更丰富的文本结果，用户能在说话和打字之间随时换手；在手机上开了头的任务，回到电脑前可以接着做完。

这条产品线铺得并不久。7月，OpenAI 上线对话模型 GPT-Live，随后把它接进桌面端，让 Work 标签页支持用语音完成任务，Codex 标签页支持用语音搭建应用。

此次更新相当于把同一套能力从桌面搬到手机。ChatGPT 的语音功能最早以对话形态出现，用来闲聊、提问、练口语。现在它更像一个入口，一句话丢出去，背后是文档、邮件、浏览器和代码在动。

这也解释了 OpenAI 为什么特意强调“更丰富的文本输出”。说话的带宽很低，一分钟说不了多少字，真正交付的成果仍要落在屏幕上。

移动端与桌面端的衔接是这一轮竞争的焦点。Anthropic 近期让两个平台之间的任务交接更顺，还把 Cowork 与 Chat 的界面并到一起。

OpenAI 的选择相反：聊天与工作区依旧分开，要干活得先切进 Work 标签页。合并界面省掉了找入口的麻烦，分开则让工作这件事有独立的上下文与权限边界。

看这条消息时，我脑子里先排练了一遍：地铁上戴着耳机压着嗓子说，帮我回封邮件，就说周五的会挪到下周。屏幕上大概会一个字一个字长出来，写到一半到站，我下车、上楼、坐下，打开电脑接着往下续。好多年前我也对着手机说过话：站在厨房里，手上沾着面粉，冲它喊“十分钟”，一遍没听懂，第二遍懂了，我居然觉得挺神，那时候语音只会干这一件事。后来它坏了，我手动设了大半年闹钟，也没觉得少什么。最早那种一句话办成一件事的惊艳，倒比一整套工作流更留得住。也可能只是我记性不好。

完整工作流留给 Plus 与 Pro，免费和 Go 用户只能先碰插件和连接应用，分层很清楚。OpenAI 需要向掏钱的人证明，多出来的月费能换回可量化的时间。

移动端是最适合做这个证明的地方。手机上处理的任务往往碎片、即时、没耐心，语音正好省掉打字那一步；同一个任务回到桌面继续，人又留在了同一套账号体系里。

插件这条线同样有意思。ChatGPT 在2023年就推出过插件系统，后来逐渐被 GPTs 和自建应用盖过，如今又回到免费用户的桌面上。名字没变，含义变了：当年是给聊天加技能，现在是让助手接进你已经在用的工具。

语音能不能真的把手机变成工作台，接下来看两件事：嘈杂环境里识别稳不稳，跨设备续接会不会断。功能已经摆上桌，习惯还得慢慢养。