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。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
