
OpenAI 给 ChatGPT 的语音听写做了一次升级,新功能叫 Live Dictation,也就是实时听写。以前在 ChatGPT 里按住麦克风说话,要等你说完、录音结束,文字才一次性出来;现在是边说边转,文字跟着你的话实时生成。
更新同时带来两点变化:语音听写原来的 10 分钟录音时长上限取消了,OpenAI 还表示听写功能的可靠性有所提升。
这次具体改了什么
把报道里的信息归纳一下:
- 实时转写:说话过程中就能看到文字。点一下音频波形,就能查看正在生成的转写内容。
- 说完可以改:结束后文字留在输入框里,可以先编辑再发送,不会直接发出去。
- 覆盖范围:面向所有 ChatGPT 套餐推送,网页版、桌面应用、iOS 和 Android 都有,全球同步上线。
- 取消时长限制:以前单次听写最长 10 分钟,现在没有这个限制了。
功能本身不复杂,但它改的是一个高频动作。很多人用 ChatGPT 打字是瓶颈,尤其是在手机上,或者要描述一个复杂需求的时候。
它和语音模式、录音模式有什么区别
ChatGPT 里现在有三种跟声音有关的功能,容易搞混:
- 听写(这次更新的):把你说的话变成输入框里的文字,你可以修改后再发。本质上是一个更好用的「语音打字」,ChatGPT 的回答还是文字。
- 语音模式:和 ChatGPT 直接语音对话,你说它也说。今年早些时候 OpenAI 已经对这个双向对话模式做过一次大改。
- 录音模式(record mode):用来转写语音备忘和会议。目前仍是测试版,只在 Plus、Enterprise、Edu、Business 和 Pro 工作区开放。
简单说:想跟它聊天用语音模式,想录会议用录音模式,想快速把一大段想法变成一条提示词,就用听写。报道也提到,没有录音模式的用户,可以用听写把语音内容转出来,再让 ChatGPT 整理成要点。
为什么取消 10 分钟上限值得关注
10 分钟听起来很长,但实际用起来经常不够。比如:
- 你想把一个产品需求从背景讲到细节,边想边说,很容易超过 10 分钟;
- 开完会想口述一份复盘,内容多的时候也会超;
- 以前超时就得分段说,分段之间容易断思路。
取消上限后,听写可以承担更长的「口述草稿」工作。不过还是建议别一口气说太久,原因下面讲。
怎么把语音输入用顺手
结合这次更新,给几条实用建议:
先说结构,再说细节。 开头先讲清楚「我要你做什么、输出什么格式」,再展开背景。实时转写让你能边说边看,发现跑偏可以马上调整。
说完一定要扫一遍。 转写会有错字,尤其是专有名词、英文缩写、人名和数字。输入框可以编辑,发送前花十几秒改掉关键错误,比让 ChatGPT 猜你的意思靠谱得多。
长内容分几段发。 虽然没了时长上限,但一次塞进去太长的口述,ChatGPT 可能抓不住重点。按主题分成几条消息,或者说完后让它先帮你整理成提纲,再逐段展开,效果通常更好。
中英混说要放慢一点。 国内用户说话常夹英文术语,语速太快时转写更容易出错。关键词说清楚,后面编辑起来也省事。
注意环境和隐私。 在公共场合用语音输入,别人能听到你说的内容;涉及工作机密或个人信息时,打字仍然更稳妥。
对国内用户意味着什么
这次更新覆盖所有套餐,不需要额外开通什么就能用上实时听写,门槛不高。真正有区别的是后面两件事:一是录音模式这类会议转写功能目前只给付费工作区;二是听写把输入效率提上来以后,你和 ChatGPT 的对话轮数会明显变多,用量自然上去,免费额度更容易碰顶。
如果你平时就重度依赖 ChatGPT 写东西、整理会议、做方案,语音输入加上更高的使用额度,体验差别会比较明显。
我的判断
实时听写不是什么大功能,但属于「用了就回不去」的那类改进。AI 助手的能力越来越强,限制使用效率的反而是人把需求说清楚的速度。把输入从打字变成说话,再把等待转写变成实时显示,等于又拆掉了一层摩擦。接下来值得观察的是,录音模式什么时候结束测试、开放给更多套餐。
OKAI66 为独立第三方服务平台,非 OpenAI/xAI 官方网站。
信息来源
- The Verge:OpenAI ChatGPT live dictation
- best2ai:ChatGPT 上线实时听写,边说边转文字
更多每日 AI 热点见 best2ai.com