ChatGPT 语音不用单独切模式了：直接在聊天界面边说边看图

用过 ChatGPT 语音模式的人大概都经历过这种尴尬：戴着耳机跟它聊得正起劲，一旦走神漏听了一句，或者它报了一长串名单和数据，你只能无奈地退出全屏，跑回文字界面去翻聊天记录。

那种在文本和语音之间来回横跳的割裂感，现在终于被拿掉了。

OpenAI 在周二宣布升级 ChatGPT 的界面交互，语音功能 ChatGPT Voice 不再作为一个独立的全屏模式存在，而是直接整合进了原有的聊天对话窗口中。

目前这个全新交互已经成为默认设置，正在向所有网页端和移动端应用的用户陆续推送。

告别只能干瞪眼的蓝色光圈

在此之前，一旦开启语音对话，界面就会瞬间切走，只留下一个不断变幻的蓝色动画圆环，附带静音、视频录制以及退出按钮。

在那个单独的页面里，你只能靠耳朵听，屏幕上不显示任何文字。

如果 ChatGPT 提到了一张图片或者路线地图，你也完全看不到内容，体验就像是在跟一个看不见的接线员通电话。

新设计把这一切放回了正常的信息流里。

现在你一边对着手机说话，屏幕上就会一边实时同步打出文字回复。

在语音交流的同时，你随时可以往上翻看之前的聊天历史，AI 发送的图片、地图等视觉内容也能即时在窗口中显示。

唯一需要留意的是，虽然声音和视觉信息打通了，但当你打算彻底停下语音、专心打字的时候，依然需要手动点击一下结束按钮。

要是有人格外留恋过去那个充满仪式感的大蓝圈，OpenAI 也没有完全堵死退路，在设置的语音选项里，依然可以手动切回独立模式。

为什么重要

我们认为，这一步改动看起来只是界面的小修小补，但其实是 OpenAI 在交互逻辑上的一次重要纠偏。

之前那个全屏大蓝圈虽然看起来极具科幻感，像极了电影里的超级人工智能，但在真实使用场景里却低效得让人难受。

人获取信息的效率天然是多模态的，复杂的逻辑、代码或者地名，看一眼文字远比听一分钟语音更直观；把声音和画面强行拆开，反而是给用户添堵。

对于日常依赖 ChatGPT 的人来说，现在终于可以在通勤或散步时用嘴提问，同时低头看一眼屏幕上的文字要点和配图，多模态协作真正落到了实处，非常值得大家第一时间更新去用。

对整个行业而言，这说明巨头们正在放弃把语音助手做成另一个 Siri 的执念，转而把语音当成主聊天流里的普通输入法。

不过隐患也并非没有，在嘈杂环境下一边打字一边开着语音通道，依然容易出现误收音或抢话的情况， OpenAI 没能做到完全无感的意图切换，依然留了一个结束按钮，说明这种混合输入依然在试水阶段。