ChatGPT 語音不用單獨切模式了：直接在聊天介面邊說邊看圖

用過 ChatGPT 語音模式的人大概都經歷過這種尷尬：戴著耳機跟它聊得正起勁，一旦走神漏聽了一句，或者它報了一長串名單和資料，你只能無奈地退出全屏，跑回文字介面去翻聊天記錄。

那種在文本和語音之間來回橫跳的割裂感，現在終於被拿掉了。

OpenAI 在週二宣佈升級 ChatGPT 的介面互動，語音功能 ChatGPT Voice 不再作為一個獨立的全屏模式存在，而是直接整合進了原有的聊天對話視窗中。

目前這個全新互動已經成為預設設定，正在向所有網頁端和移動端應用的使用者陸續推送。

告別只能乾瞪眼的藍色光圈

在此之前，一旦開啟語音對話，介面就會瞬間切走，只留下一個不斷變幻的藍色動畫圓環，附帶靜音、影片錄製以及退出按鈕。

在那個單獨的頁面裡，你只能靠耳朵聽，螢幕上不顯示任何文字。

如果 ChatGPT 提到了一張圖片或者路線地圖，你也完全看不到內容，體驗就像是在跟一個看不見的接線員通電話。

新設計把這一切放回了正常的資訊流裡。

現在你一邊對著手機說話，螢幕上就會一邊即時同步打出文字回覆。

在語音交流的同時，你隨時可以往上翻看之前的聊天曆史，AI 傳送的圖片、地圖等視覺內容也能即時在視窗中顯示。

唯一需要留意的是，雖然聲音和視覺資訊打通了，但當你打算徹底停下語音、專心打字的時候，依然需要手動點選一下結束按鈕。

要是有人格外留戀過去那個充滿儀式感的大藍圈，OpenAI 也沒有完全堵死退路，在設定的語音選項裡，依然可以手動切回獨立模式。

為什麼重要

我們認為，這一步改動看起來只是介面的小修小補，但其實是 OpenAI 在互動邏輯上的一次重要糾偏。

之前那個全屏大藍圈雖然看起來極具科幻感，像極了電影裡的超級人工智慧，但在真實使用場景裡卻低效得讓人難受。

人獲取資訊的效率天然是多模態的，複雜的邏輯、程式碼或者地名，看一眼文字遠比聽一分鐘語音更直觀；把聲音和畫面強行拆開，反而是給使用者添堵。

對於日常依賴 ChatGPT 的人來說，現在終於可以在通勤或散步時用嘴提問，同時低頭看一眼螢幕上的文字要點和配圖，多模態協作真正落到了實處，非常值得大家第一時間更新去用。

對整個行業而言，這說明巨頭們正在放棄把語音助手做成另一個 Siri 的執念，轉而把語音當成主聊天流裡的普通輸入法。

不過隱患也並非沒有，在嘈雜環境下一邊打字一邊開著語音通道，依然容易出現誤收音或搶話的情況， OpenAI 沒能做到完全無感的意圖切換，依然留了一個結束按鈕，說明這種混合輸入依然在試水階段。