ChatGPT引入语音功能至核心平台：同步语音和图像，实时转录更新，支持即时恢复至先前版本
发布时间：2025-11-26 11:26:54 | 责任编辑：吴昊 | 浏览量：20 次
OpenAI宣布取消独立“语音模式”入口，将实时语音与视觉输出直接嵌入ChatGPT主聊天窗口。用户按住🎤即可边说话边看地图/图表/图片，对话文字转录同步出现，无需再跳转页面。
核心更新
- 多模态同屏:语音提问时，界面实时显示相关视觉结果（路线地图、数据图表、商品图等），并自动滚动文字转录
- 交互零打断:可连续追问，模型在语音回复同时更新画面，平均延迟<300ms
- 后悔药开关:设置→语音→“沉浸式音频模式”可切回旧版独立界面，满足纯音频偏好
技术底座
新语音由GPT-5.1-large+多模态视觉编码器驱动，上下文窗口100k tokens;语音端侧VAD+云端ASR，转录准确率96%，支持12种语言。
发布与覆盖
- 即刻推送:Plus/Pro/Team用户全平台可用，免费版稍后分批开放
- 硬件适配:已针对iPhone15系列与Pixel9优化，低功耗模式下续航影响<4%
- API计划:2026Q1向开发者开放RealtimeMultimodal接口，支持在第三方App内调用同款语音+视觉能力
OpenAI表示，本次合并是“ChatGPT6.0体验”的第一步，后续将加入购物比价、群聊语音等场景，持续拓展多模态边界。
这是一篇关于ChatGPT把语音搬进主界面：边说边看图，转录实时生成，还能一键“后悔”回到旧版的文章，内容值得关注。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
