ChatGPT Voice trafia do aplikacji desktopowych. Głosem można już sterować agentami Codex

OpenAI udostępniło 23 lipca ChatGPT Voice w aplikacjach desktopowych na macOS i Windows — poinformował VentureBeat. Tryb głosowy działa na tym samym stacku co GPT-Live, model zaprezentowany w połowie lipca: zamiast rozmowy podzielonej na tury, system słucha i mówi jednocześnie, a decyzję o tym, kiedy odpowiedzieć, przerwać czy wywołać narzędzie, podejmuje na bieżąco.

Nowością wobec wersji mobilnej jest bezpośrednie spięcie Voice z agentami kodującymi Codex i ChatGPT Work. Jedną wypowiedzią użytkownik może zlecić zadanie kilku agentom naraz — a ci wykonują je i raportują postępy, podczas gdy rozmowa toczy się dalej. To przenosi asystenta głosowego z roli czatu na żywo do roli dyrygenta pracy w tle.

Jak działa full-duplex w praktyce?

Model audio w GPT-Live nie czeka na koniec zdania użytkownika, żeby zacząć formułować odpowiedź — nasłuchuje i mówi w tym samym strumieniu. Złożone rozumowanie, jak analiza repozytorium czy planowanie wieloetapowego zadania, deleguje do modeli działających w tle, między innymi GPT-5.5. Dzięki temu odpowiedź głosowa pozostaje płynna, nawet gdy w tle trwa cięższe obliczenie.

Co widzi Voice na ekranie Maca?

Na macOS aplikacja zyskała funkcję „Appshots“ oraz kontekst ekranu: Voice analizuje aktywne okno, lokalne pliki i strukturę kodu w projekcie, nad którym pracuje użytkownik. W praktyce zmienia to dynamikę pracy na wzór pair programmingu — deweloper omawia problem na głos, a agenci wykonują zlecone fragmenty zadania asynchronicznie, bez konieczności przełączania się między oknami.

Kto dostanie nową funkcję?

ChatGPT Voice na desktopie jest dostępny w planach Plus, Pro, Business, Edu i Enterprise — OpenAI nie ogranicza go do najdroższych subskrypcji korporacyjnych.

Nowy front rywalizacji o głos

Premiera wpisuje się w szybko rozwijający się wyścig o głosowe sterowanie agentami. Zaledwie kilka dni wcześniej Anthropic rozbudowało Claude Voice o konektory do Gmaila i Slacka, pozwalające sięgać po dane użytkownika w trakcie rozmowy, choć wciąż bez pełnego dupleksu. OpenAI idzie w odwrotną stronę: ma już naturalność rozmowy z GPT-Live, a teraz dokłada do niej możliwość zlecania pracy agentom kodującym samym głosem. Który z modeli — konwersacyjny czy narzędziowy — okaże się ważniejszy dla użytkowników pracujących z AI na co dzień, pokaże najbliższe półrocze.