前言¶
7 月下旬，OpenAI 在 ChatGPT 桌面版 26.715 更新中，将 GPT-Live 全双工语音能力正式接入 Codex 与 ChatGPT Work。开发者不再局限于键盘输入，可以用自然语音在 Chat、Work、Codex 三个工作面之间发起任务、查询进度、调整方向——编码 Agent 的交互范式，从「打字指挥」迈向「免提编排」。
这不是把移动端语音简单搬到桌面。根据 OpenAI Codex Changelog 与 ChatGPT Voice 官方文档，桌面版 Voice 的核心价值在于跨线程协调 Agent 工作：一边持续对话，一边让后台 Codex 任务并行执行。对日常写代码、审 PR、跑测试的工程师来说，值得认真看一眼这次更新的边界与用法。
GPT-Live 是什么：全双工语音层¶
GPT-Live 是 OpenAI 于 2026 年 7 月 8 日 推出的连续音频模型，核心特性是全双工（full-duplex）——模型可以在你说话的同时监听并回应，不必像传统语音助手那样严格「你说完我再答」。对话中可以自然打断、追问、改口，模型也会用「好的」「明白」等短句做即时反馈，而不打断你的思路。
架构上，OpenAI 将实时语音交互层与后台推理引擎解耦：GPT-Live 负责维持流畅对话与工具调度决策，复杂推理与代码修改则交给后台模型（如 GPT-5.5）异步处理。VentureBeat 在 相关报道 中将这种设计比作「结对编程」——你口头描述问题，Agent 在后台改代码，两边状态保持同步。
7 月 8 日的 GPT-Live 首发主要面向移动端与 Web 对话场景；7 月 23 日 的桌面版集成，才是它第一次深度接入 Agentic Coding 工作流。
7 月 23 日更新：Voice 进了 Codex 桌面壳¶
这次发布随 ChatGPT 桌面版 build 26.715 全球 rollout，覆盖 macOS 与 Windows。几个关键事实：
- 统一桌面应用：7 月 9 日（build 26.707），Codex 已并入 ChatGPT 桌面应用，Chat、Work、Codex 三个视图共存于同一客户端。Voice 可直接在这三个模式下切换，上下文不丢。
- 跨线程调度：进入语音模式后，你可以让 ChatGPT 在其他线程里启动、检查或调整 Codex / Work 任务。官方示例包括「跑测试并调查失败项」「汇总当前阻塞项」等。
- 多文件夹项目（同版本附带）：本地项目可挂载多个相关目录，指定一个主文件夹用于 Git 操作及
AGENTS.md、skills、config.toml的自动发现，其余目录可用于搜索与编辑。 - iOS Remote：桌面端开启 Voice 后，可通过 ChatGPT iOS 应用的 Remote 功能远程查看进度、回答 Agent 提问；Android Remote 官方标注为即将支持。
VentureBeat 援引 OpenAI 发言人的话指出，这是 Voice 首次与 Codex 这类 Agent 执行引擎深度绑定；OpenAI 在 X 上的宣传也强调：「Anything you can do with Codex, you can now drive through voice.」
开发者能用它做什么¶
官方文档与媒体实测归纳出的典型场景如下。
1. 并行发起多路编码任务¶
用一句语音同时布置多条工作线，例如：
- 调查一个 open 状态的认证 bug；
- 审查某个 API 迁移的 Pull Request；
- 为缺失覆盖的模块生成单元测试。
桌面应用会在 Slack 对话、GitHub 仓库、本地代码库等上下文间协调追踪，你无需逐条切换窗口手动粘贴指令。
2. 口头审查与远程指导 Agent¶
任务运行中，你可以随时问「Agent 2 进展如何」，或口头改方向——全双工引擎会在不打断对话的前提下，决定是否插话、暂停或调用工具。配合 iOS Remote，离开工位也能继续指挥长时任务。
3. macOS 屏幕上下文（Appshots）¶
在 Settings > Voice 中开启 Screen context 后，说「Take a look at this」，ChatGPT 会截取最前台窗口的快照作为上下文，可结合本地文件、代码结构与插件信息分析界面。注意：快照可能包含可见区域外的可访问文本，分享前需确认窗口内无敏感信息；企业管理员也可禁用此能力。
4. Voice 与语音听写的边界¶
官方明确区分两种模式：
| 模式 | 适用场景 |
|---|---|
| ChatGPT Voice | 实时对话、跨线程编排 Agent |
| Voice dictation（语音听写） | 仅将语音转成 prompt 文本再发送 |
Voice 适合「指挥与协调」，不适合「口述写一整段 React 组件」——后者仍应交给 Codex 任务线程在后台生成。
如何开始用¶
前提条件：
- 订阅计划：Plus、Pro、Business、Edu、Enterprise（Free / Go 不在此次桌面 Voice 覆盖范围内；Enterprise / Edu 有两周 early access 期）。
- 客户端：ChatGPT 桌面应用 26.715 及以上。
- 任务必须从 Voice 模式启动：新聊天或新任务需先点 Start new voice chat；已在文本模式开启的对话只能使用听写，不能切换为全功能 Voice。
简要步骤：
- 打开 ChatGPT 桌面应用，进入 Chat / Work / Codex 任一视图。
- 新建空白聊天或任务，选择 Start new voice chat，授权麦克风；macOS 用户按需配置 Screen context 权限。
- 口头描述目标，例如：「Start a Codex task to run the tests and investigate anything that doesn’t pass.」
- 持续对话中查询进度、追加指令；任务完成后在对应线程查看 diff 与日志。
可在 Settings > Voice > Voice chat hotkey 设置快捷键，减少鼠标操作。
配额、权限与局限¶
使用前建议了解以下约束（均来自 官方 Voice 文档）：
- 双重用量：Voice 对话本身按套餐享有独立的滚动 5 小时窗口配额；通过 Voice 触发的 Codex 任务仍消耗 Codex 用量。
- 单会话限制：整个桌面应用同时只能有一个活跃 Voice 聊天。
- 权限继承：Voice 调度的任务遵循 Chat / Work / Codex 各自的工具与权限边界，不会越权执行。
- 闭源商业模型：Voice 管线与 Agent 状态架构均为 OpenAI 专有服务，无法自托管或修改权重；Voice 触发的 Agent workload 与常规 Codex 任务计费方式一致。
- 无公开 API：截至此次发布，开发者无法通过 API 复刻同等全双工 + Codex 编排能力，能力限定在 ChatGPT 桌面生态内。
与 Agent 控制面的同频演进¶
如果把时间线拉长，7 月的 Codex 更新并不只有 Voice 一项。OpenAI 在 7 月 20 日 iOS 版中还加入了任务转录内的交互式表单、Mermaid 渲染、阻塞/用量耗尽后的任务恢复等「控制面」能力；Claude Code、GitHub Copilot 也在同期强化审批模式、MCP 鉴权与 artifacts 分享。
Voice 解决的是输入与编排侧的摩擦——少打字、少切窗、多线程口头调度；表单、恢复、审批解决的是信任与可运维性。两者叠加，才构成可落地的 Agentic Coding，而不是 demo 级「会说话写代码」。
小结¶
GPT-Live 全双工语音接入 Codex，标志着编码 Agent 从「单线程打字交互」进入「免提多线程编排」阶段。对个体开发者，价值在于离开键盘也能推进测试、审 PR、查 bug；对团队，则需同步评估 Voice 配额、屏幕上下文的数据安全策略，以及 Voice 触发任务与常规 Codex 用量叠加后的成本。
如果你已在 Plus 及以上套餐并使用 ChatGPT 桌面版，建议直接升到 26.715，在 Codex 视图下试一次「语音发起测试任务 + 口头查进度」的完整闭环——全双工体验与旧版「对讲机式」语音差别很明显。更复杂的工程治理（审批、MCP 范围、跨设备任务恢复）仍要回到任务线程与控制面配置，Voice 是加速器，不是替代品。
