OpenAI 2026. július 23-án jelentette be, hogy frissítette a ChatGPT asztali alkalmazását: az új verzióba integrálták a ChatGPT Voice nevű hangvezérelt felületet, így a felhasználók beszéddel irányíthatják az alkalmazásban futó AI-ügynököket és számítógépes feladatokat végeztethetnek el.
Mire képes az új hangfelület?
A ChatGPT Voice a vállalat új, ChatGPT-Live néven nevezett hangmodellek családjára épül, amelyet a hónap elején mutattak be. A funkció támogatja a ChatGPT Work és Codex környezeteket, és képes kihasználni a számítógép használati képességeit is: weboldalak és alkalmazások keresésére, valamint macOS-en az Appshots segítségével a képernyő tartalmának — például alt-text formájában elérhető leírásoknak — a megtekintésére is hozzáférést adhat az alkalmazásnak.
A mobilos bevezetésnél a ChatGPT Voice simább beszélgetéseket és jobb megszakíthatóság-kezelést mutatott, de az akkori változat nem volt felkészítve arra, hogy közvetlenül végrehajtson műveleteket okostelefonon. A július 23-i asztali frissítés ennél többre képes: lehetővé teszi bonyolult, több lépésből álló diktált parancsok kiadását, és a felhasználó bevonását, amikor a ChatGPT további inputot kér.
Gyakorlati példa és elérhetőség
A cég egy demóvideóban egy fejlesztőt mutatott, aki egyetlen paranccsal új thread létrehozását, egy pull request elkészítését és egy hibajegy gyökérokának felkutatását kérte a rendszerhez. OpenAI Twitter-bejegyzése szerint a ChatGPT Voice globális bevezetése ugyanazon a napon kezdődött; a poszt hangsúlyozta, hogy a funkció képes beszélni, hallgatni és egyszerre koordinálni a munkát az alkalmazáson belül.
OpenAI közölte továbbá, hogy a Codex-szel a ChatGPT Voice iOS-alkalmazáson keresztül távoli hozzáférés révén is használható.
Versenytársak és hangalapú funkciók
Anthropic is frissítette a Claude hangmódját: ennek a fejlesztésnek a keretében a Claude többek között az Opus, Sonnet és Haiku modelleket használva végrehajthat feladatokat olyan alkalmazásokban, mint a Gmail, Calendar, Slack, Notion és Canva.
Miért számít ez?
A mostani frissítés az asztali környezetben jelentősen bővíti a hangalapú interakciók gyakorlati lehetőségeit: a felhasználók nemcsak beszélgethetnek a chatbotokkal, hanem komplex, több lépéses munkafolyamatokat indíthatnak el és irányíthatnak hanggal, valamint a rendszer közvetlenül hozzáférhet a számítógépes környezet bizonyos elemeihez. Ez lépés a hangvezérelt, cselekvésre képes AI-ügynökök felé vezető úton.
