OpenAI 于 2026 年 9 月 23 日宣布，ChatGPT 移动端正式引入基于语音的 Agent（智能代理）功能。订阅了 Plus 和 Pro 计划的用户现在可以在手机上通过语音指令完成一系列复杂工作流任务，包括起草文档、总结 Slack 消息、创建网站、制作演示文稿，以及访问个人财务信息等。这项新功能标志着语音交互正从简单的问答向真正可替代桌面端操作的 Agent 方向加速演进。
从对话到任务执行：语音 Agent 为何重要
长期以来，移动端 AI 助手大多停留在”问答即服务”的模式——用户说一句话，AI 返回一段文字。2026 年以来，以 GPT-Live 为代表的新一代对话模型开始在桌面端支持通过语音完成 Work 标签页下的复杂任务，而此次移动端更新则将这一能力延伸至更广泛的场景。
这一变化的核心在于”Agent”（智能代理）概念的落地。传统语音助手执行的是单步指令，而 Agent 则能理解多步骤意图、在多个工具和应用之间协作完成目标。以起草一封正式邮件为例，语音 Agent 不仅能帮你撰写正文，还能根据指令调用邮箱接口完成发送——全程无需用户手动切换应用。
功能细节：谁能用、怎么用
根据 OpenAI 官方公告，此次上线的语音 Agent 功能主要面向 Plus（月付 20 美元）和 Pro 订阅用户。用户打开 ChatGPT 移动端后，可在”Work”（工作）标签页下发起语音指令，系统会识别意图并调度相应工具完成任务。
目前已支持的部分典型场景包括：
- 文档起草：通过语音描述需求，Agent 自动生成文档草稿
- 邮件总结与撰写：对长邮件链进行摘要，或直接语音起草回复
- Slack 消息总结：从大量群聊记录中提取关键信息
- 演示文稿制作：语音描述主题和结构，生成可编辑的 PPT 框架
- 云端浏览器：用语音驱动网页导航和信息提取
- 跨设备续接：在手机上开启的任务可以无缝切换至桌面端继续
免费用户和 Go 用户目前可使用插件和已连接的应用，但尚不支持完整的语音 Agent 工作流。
语音交互体验升级
除 Agent 能力本身外，OpenAI 还在此次更新中强化了 ChatGPT 语音对话的文字输出表现。用户在使用语音时将获得更丰富的文本反馈，并在语音和文字模式之间灵活切换。整体交互逻辑与今年 7 月上线的 GPT-Live 一脉相承——区别在于 GPT-Live 早期仅在桌面端可用，如今已完整覆盖移动生态。
值得关注的是，在语音 Agent 的落地节奏上，各主要 AI 公司采取了不同策略。Anthropic 近期简化了移动端与桌面端之间的任务交接流程，并整合了 Cowork 和 Chat 界面；而 OpenAI 目前仍保持 Chat（对话）和 Workspaces（工作空间）两套体系的分离。
AI 语音助手赛道持续升温
ChatGPT 移动端语音 Agent 功能的上线，折射出整个 AI 行业在语音交互领域的竞争正在加剧。从技术层面看，实现可靠的语音 Agent 面临多重挑战：语音输入的歧义消解、多轮上下文理解、工具调用准确性，以及跨应用协作的安全性——每一步都需要模型层面的深度优化。
对于普通用户而言，语音 Agent 的最大价值在于将”双手解放出来”。在通勤、驾驶或双手不便的场景下，仅凭语音就能完成过去需要盯着屏幕操作才能搞定的工作，这代表着 AI 从”可用的工具”向”可信赖的助手”转变的又一节点。
目前该功能已向全球 Plus 和 Pro 用户陆续推送，移动端系统版本要求以 OpenAI 官方公告为准。
AI 会员开通推荐
免 KYC 虚拟卡，可开通各类 AI 会员：立即注册