ChatGPT Voice 登陸電腦版:用把口指揮 Work 同 Codex,可以做啲咩?
3C 產品

ChatGPT Voice 登陸電腦版:用把口指揮 Work 同 Codex,可以做啲咩?

圖片:via Android Authority — https://www.androidauthority.com/openai-chatgpt-voice-desktop-rollout-3691031/
TechLab 編輯部(譯)·

Mac、Windows 都用得,實際能力視乎模式、權限同方案

OpenAI 開始向 macOS 同 Windows 推送新版 ChatGPT Voice,重點唔止係同電腦傾偈自然咗。用家而家可以直接喺 Work 或 Codex 開 Voice,用說話開始任務、追問進度,亦可以同時協調幾個 agent。Android Authority 將佢形容成幾乎可以代你操作成部電腦,呢個講法有啲去得太盡;官方寫得清楚,Voice 只會用到而家模式已獲授權嘅工具同電腦脈絡。

Voice 實際負責邊一部分?

GPT-Live 採用 full-duplex 架構,可以一邊聽、一邊講,你打斷佢或者停低諗一諗,對話都唔使逐句等完先繼續。遇上網上搜尋、推理或者較長嘅 agent 任務,Voice 會交畀背後模型處理,自己繼續同你對話。Voice 主要畀你落指令同追進度,搜資料、寫文件同改 code 就交返畀 Work、Codex 同相關工具處理。 新版 Voice 今次接入 Work 同 Codex,先至可以用語音開任務、改方向同追進度。

ChatGPT Voice 對話期間顯示天氣預報卡片

圖片:OpenAI

Work:整理文件同資料搜集最啱用

開啟桌面 app 後揀 ChatGPT,再切到 Work,就可以用 Voice 交代成果,例如叫佢讀指定資料夾入面幾份報告、搵出數字有冇衝突,再整理成摘要或者試算表。研究任務亦可以叫佢用內置瀏覽器跨幾個分頁搵資料,同時用聲音補充範圍、叫佢改方向。不過要先開啟相關本機資料夾,網站亦可能逐個要求批准;如果冇檔案、瀏覽器或桌面 app 權限,講得幾清楚都唔會憑空多出操作能力。

ChatGPT Voice 以視覺卡片顯示足球賽事資料

圖片:OpenAI

Codex:唔使停低打字先叫佢改 code

開發者可以喺 Codex 指定本機 repository,再用 Voice 叫佢追一個 bug、修改某段功能、跑測試或者解釋 diff。長任務途中亦可以直接問「而家卡喺邊」或者補一句「唔好改 database schema」,慳返切視窗打字嘅時間。Codex 仍然受 repository、terminal、網上存取同確認規則約束;刪檔、執行指令、改大量 code 呢類動作,最好保留逐步確認,完成後亦要自己睇 diff 同測試結果。

「全球推出」唔代表每個帳戶即刻見到

OpenAI 話新版桌面 app 已全球提供,而 Voice in Work and Codex 會喺 Mac 同 Windows 向合資格帳戶推出;Work 本身仍然分批開放。Android Authority 列出 Plus、Pro、Business、Edu 同 Enterprise,不過官方說明仲加咗方案、workspace 設定、地區同 app 版本等條件。公司或學校帳戶亦可能要管理員先開 Voice、Work、Codex Local 或 Early Model Access。香港帳戶理論上屬全球 rollout 範圍,但個別帳戶幾時收到仍要睇實際推送。

用量亦有幾層計法:Voice 連線時間按 24 小時滾動計算,Plus 嘅 GPT-Live-1 額度同 Pro、Business、Enterprise/Edu 都唔同;經 Voice 開始嘅 Work 或 Codex 任務,亦會扣相關 agent 用量或 credits。即係長開咪高峰傾足全日,未必係最抵用方法。較實際嘅做法係用 Voice 快速交代目標、途中修正同追問,再返文字介面核對輸出。

廣東話、咪高峰同本機權限要保守處理

OpenAI 只話 GPT-Live 針對部分熱門語言調校過,亦承認某啲語言可能有口音或流暢度落差,暫時冇逐項公開廣東話表現。TechLab 未有親身測試,廣東話夾英文技術字、香港口音同嘈雜環境下準唔準,仍然要等實際帳戶收到功能後再睇。重要檔名、路徑、數字同刪改指令,最好望住即時文字稿再確認,避免一次聽錯就做錯成串操作。

私隱方面,app 會先要求咪高峰權限,電腦脈絡亦可能涉及 Screen & Audio Recording 同 Accessibility。OpenAI 表示 Live 音訊片段會保存 30 日;文字稿就會留喺聊天記錄,直至用家刪除相關對話。;個人帳戶嘅文字稿同其他檔案會否用作改善模型,就視乎方案同 Data Controls,音訊本身則要用家主動選擇分享先會用於訓練。最穩陣係只開任務用到嘅資料夾同網站,登入資料只喺內置瀏覽器輸入,交付或執行重要操作前再核對一次。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook