ChatGPT 高階語音上線網頁端：瀏覽器裡直接開口聊

過去兩個月，要想體驗 ChatGPT 那套近乎真人的即時語音，你得掏出手機、開啟 App。

現在，坐在電腦前辦公的人終於不用在鍵盤和手機之間來回倒騰了。

OpenAI 首席產品官 Kevin Weil 在 X 上宣佈，ChatGPT 的高階語音模式（Advanced Voice Mode）本週正式上線網頁端。只要開啟瀏覽器，就能直接和 AI 即時對話。

螢幕中央的藍色光球

要在網頁端開啟語音，操作其實很直接。

進入 ChatGPT 的網頁版，在輸入框右下角能看到一個聲音圖示。點一下，授權瀏覽器呼叫電腦麥克風，介面正中央就會出現熟悉的藍色光球，表示它已經進入傾聽狀態。

這項功能底層跑的是 GPT-4o 的原生音訊能力。它並不是把你的話轉成文字、扔給大模型、再把文字念出來，而是端到端的音訊處理。

這就意味著，它不僅反應極快，還能聽懂非語言線索。比如你說話變急了，或者語氣猶猶豫豫，它都能察覺，並且自己也能帶著情緒回應。

OpenAI 在網頁端同樣準備了 9 種不同音色供選擇。每種聲音都有鮮明的個性和語調，比如主打隨和且全能的 Arbor，或者聽起來自信樂觀的 Ember。

付費使用者先用，免費版還要等等

這套高階語音模式最早是在 9 月推送到 iOS 和 Android 客戶端的，網頁端算是第二站。

本週首批能用上的，是 Plus、Enterprise、Teams 以及 Edu 訂閱使用者。如果你是免費使用者，還得再等等。

Kevin Weil 表示，OpenAI 計劃在未來幾週內向免費使用者開放這項功能。

不過，算力顯然依然吃緊。即使是 Plus 和 Team 付費訂閱使用者，每天使用高階語音也有時長限制。

官方支援頁面顯示，這個每日限額不是固定的，可能會根據負載調整。當你的可用時間只剩 15 分鐘時，系統會在介面上給出提醒。而未來免費使用者上線後，拿到的是一個按月重新整理的預覽額度。

為什麼重要

我們認為，高階語音模式登上網頁端，最大的改變是它終於切進了真實的桌面生產力場景。

在手機上，語音對話更像是一個新奇的玩具，或者散步、通勤時的聊天搭子。但絕大多數打工人、開發者和創作者，真正幹活的時間都在電腦瀏覽器前。

現在你戴著耳機，一邊在螢幕上改方案或者調程式碼，一邊張嘴跟它探討架構、尋找思路，它隨時能插話，也能隨時被你打斷。這種多工並行的體驗，比在手機上開著 App 實用得多。

對行業來說，OpenAI 正在把 GPT-4o 的原生端到端多模態優勢，一步步築成自己的護城河。目前市面上很多競品的語音助手依然是語音轉文字再轉語音的三段式拼湊，延遲明顯，也抓不住語氣裡的情緒。

但 OpenAI 這裡的瓶頸也寫在臉上。即時跑原生音訊的算力開銷非常誇張，哪怕是按月交錢的訂閱使用者，也被加上了每日額度的緊箍咒，還要被 15 分鐘倒計時提醒趕著走。這說明在推理成本大幅壓低之前，想把高階語音當成全天掛機的工位助手，暫時還不太現實。