OpenAI ChatGPT 优化多模态交互，AI 聊天合并支持语音与文本

11 月 26 日消息，OpenAI 昨日（11 月 25 日）发布博文，宣布旗下 ChatGPT 正式合并将“语音模式”（Voice Mode）合并至主聊天界面。此次整合让用户能在语音对话中实时查看地图、图片等视觉信息和文字转录，实现了多模态交互。

注：语音对话此前是一个独立的功能模块，而现在用户无需再切换模式，可以直接在主聊天窗口内启动语音交互，从而提供一个更无缝、更多功能的多模态体验。

新版语音模式的最大亮点在于其整合了视觉信息呈现能力。根据 OpenAI 的演示，在用户通过语音提问时，ChatGPT 不仅能用自然流畅的语音回答，还能在聊天界面中实时显示相关的视觉内容，例如地图、图表或图片。同时，系统会自动生成语音对话的文字转录稿，方便用户随时回顾和查阅交流内容。

考虑到不同用户的使用习惯，OpenAI 在此次更新中也提供了“后悔药”。对于那些更喜欢沉浸式纯音频对话体验的用户，新版本在应用的设置菜单中增加了一个切换开关。用户可以通过该开关，一键将界面恢复到旧版的独立语音模式。

OpenAI 正推进战略布局，持续迭代产品、拓展 AI 应用边界，在此之前，该公司已相继推出了用于商品比价的 AI 购物助手、支持 iCloud 钥匙串的 Atlas AI 浏览器新功能、在部分地区上线的群聊功能，以及性能更强的 GPT-5.1 模型等。