ChatGPT 高级语音上线网页端：浏览器里直接开口聊

过去两个月，要想体验 ChatGPT 那套近乎真人的实时语音，你得掏出手机、打开 App。

现在，坐在电脑前办公的人终于不用在键盘和手机之间来回倒腾了。

OpenAI 首席产品官 Kevin Weil 在 X 上宣布，ChatGPT 的高级语音模式（Advanced Voice Mode）本周正式上线网页端。只要打开浏览器，就能直接和 AI 实时对话。

屏幕中央的蓝色光球

要在网页端开启语音，操作其实很直接。

进入 ChatGPT 的网页版，在输入框右下角能看到一个声音图标。点一下，授权浏览器调用电脑麦克风，界面正中央就会出现熟悉的蓝色光球，表示它已经进入倾听状态。

这项功能底层跑的是 GPT-4o 的原生音频能力。它并不是把你的话转成文字、扔给大模型、再把文字念出来，而是端到端的音频处理。

这就意味着，它不仅反应极快，还能听懂非语言线索。比如你说话变急了，或者语气犹犹豫豫，它都能察觉，并且自己也能带着情绪回应。

OpenAI 在网页端同样准备了 9 种不同音色供选择。每种声音都有鲜明的个性和语调，比如主打随和且全能的 Arbor，或者听起来自信乐观的 Ember。

付费用户先用，免费版还要等等

这套高级语音模式最早是在 9 月推送到 iOS 和 Android 客户端的，网页端算是第二站。

本周首批能用上的，是 Plus、Enterprise、Teams 以及 Edu 订阅用户。如果你是免费用户，还得再等等。

Kevin Weil 表示，OpenAI 计划在未来几周内向免费用户开放这项功能。

不过，算力显然依然吃紧。即使是 Plus 和 Team 付费订阅用户，每天使用高级语音也有时长限制。

官方支持页面显示，这个每日限额不是固定的，可能会根据负载调整。当你的可用时间只剩 15 分钟时，系统会在界面上给出提醒。而未来免费用户上线后，拿到的是一个按月刷新的预览额度。

为什么重要

我们认为，高级语音模式登上网页端，最大的改变是它终于切进了真实的桌面生产力场景。

在手机上，语音对话更像是一个新奇的玩具，或者散步、通勤时的聊天搭子。但绝大多数打工人、开发者和创作者，真正干活的时间都在电脑浏览器前。

现在你戴着耳机，一边在屏幕上改方案或者调代码，一边张嘴跟它探讨架构、寻找思路，它随时能插话，也能随时被你打断。这种多任务并行的体验，比在手机上开着 App 实用得多。

对行业来说，OpenAI 正在把 GPT-4o 的原生端到端多模态优势，一步步筑成自己的护城河。目前市面上很多竞品的语音助手依然是语音转文字再转语音的三段式拼凑，延迟明显，也抓不住语气里的情绪。

但 OpenAI 这里的瓶颈也写在脸上。实时跑原生音频的算力开销非常夸张，哪怕是按月交钱的订阅用户，也被加上了每日额度的紧箍咒，还要被 15 分钟倒计时提醒赶着走。这说明在推理成本大幅压低之前，想把高级语音当成全天挂机的工位助手，暂时还不太现实。