近期，Anthropic和OpenAI几乎同步推出了语音模式的重大升级，带来了显著的性能与体验飞跃。Claude在模型能力与工具集成上取得了长足进步，而OpenAI则通过全双工架构与桌面端部署，将语音交互推向了新的高度。
一、Claude语音模式大升级
在此之前，Claude的语音模式仅能运行Haiku模型。虽然能听懂指令，但在处理复杂问题时容易“翻车”。如今，Opus 4.8和Sonnet 5全系列模型均已接入语音模式，用户甚至可以在对话中途切换模型。系统会自动调用所选模型的最快版本，而非完整推理版，以保障流畅度。
值得一提的是，语音模式会默认加载用户上次文字聊天时使用的模型，实现了语音与文字上下文的无缝衔接。
在交互方式上，Claude提供了两种模式：Hands-free（持续监听自动回复）和Push-to-talk（按住说话松手结束）。
最为关键的升级在于“工具调用”。Claude现在可以直接连接Gmail、Google Calendar、Slack、Google Docs和Canva。用户只需口述，即可完成查邮件、排日程、读文档、发消息等操作。Anthropic产品经理Robert Bye举例道，用户只需说一句“帮我总结Slack过去几小时错过的消息”，系统便会自动执行。
技术上，语音工具调用与文字聊天共用同一套Connectors架构，每次调用前都会征求用户许可，确保安全。所有套餐均可使用，但免费用户仅限Haiku模型及一个连接器。
语言支持方面，Claude新增了11种语言，包括英语、法语、德语、印地语、印尼语、意大利语、日语、韩语、巴西葡萄牙语、拉美西班牙语和欧洲西班牙语。遗憾的是，中文并未包含在内。用户需手动切换语言或主动要求切换，否则默认为英语。此前有开发者从代码中发现的18种语言列表中，中文一度存在，如今却直接被移除。
二、ChatGPT Voice杀入桌面
相比之下，ChatGPT语音模式从底层换用了全新的全双工架构——GPT-Live。所谓全双工，是指模型能够同时处理输入和输出音频流，每秒做出几十次判断，无需等待用户说完即可回应。因此，GPT-Live会在对话中途自然地发出“嗯嗯”、“明白了”等反馈，极具拟人感。
该架构采用双层设计：前台是一个轻量级低延迟模型，负责实时对话、轮次管理和打断响应；后台则是GPT-5.5，负责复杂推理、网页搜索和Agent任务。当遇到需要深度思考的问题时，GPT-Live会将任务异步委派给后台的GPT-5.5，自身则继续与用户对话，待结果生成后再汇报。这种“委派推理”机制彻底解耦了对话延迟与推理深度。用户可调节推理深度档位：Instant（最快）、Medium（中等）和High（深度），分别对应GPT-5.5的不同能力。
性能测试显示，这一架构效果显著：GPQA（专家级科学推理）准确率从45.3%跃升至84.2%；BrowseComp（Agent网页搜索）从0.7%飙升至75.2%；在模拟真实电信客服场景的τ³-Voice基准测试中也全面领先。
依托这套底座，ChatGPT Voice正式登陆macOS和Windows桌面端。用户可设置全局快捷键，在任意应用中一键唤起。macOS版本还支持Appshots功能，ChatGPT可直接读取当前活跃窗口内容作为上下文。例如，用户对着Excel说“帮我计算Q3同比”，它能看到表格内容。此外，语音模式下可指挥ChatGPT Work和Codex中的多个Agent并行工作，一边写代码一边查文档，无需切换界面。
目前，该功能仅对Plus、Pro、Business、Edu和Enterprise套餐用户开放。
三、十秒钟就能感受到的差距
在短短十秒的对比中，两者的差异便显而易见：
* **打断能力：** Claude语音采用轮流制，用户说完后它才思考回应，想插嘴只能等待。而GPT-Live支持打断，用户可在说话中途随时更改主意，系统会无缝衔接。
* **多任务处理：** Claude语音一次只能处理对话，无法分心。GPT-Live在桌面端可同时进行语音对话，并后台操控电脑、指挥多个Agent并行工作，实现真正的多线程。
* **桌面控制：** Claude语音通过连接器调用SaaS工具，但无法触碰用户桌面。GPT-Live配合Computer Use，可直接操控文件、程序和终端。
* **推理深度：** Claude语音运行的是Opus的最快版本，而非满血推理版。GPT-Live的High档位可异步调用GPT-5.5 Thinking进行深度推理，在语音场景下反而能发挥更强的智力水平。
四、连输入框都不需要的时代
至此，两家公司的技术路线已分道扬镳。Claude主打个人生产力，利用用户的Gmail、日历等工具，帮助理清个人事务，门槛较低。OpenAI则走得更远，通过全双工和多Agent能力，打造了一种像真人交流般的极客体验，要求用户具备一定的任务管理能力。
正如OpenAI联合创始人Greg Brockman所言：“比起语音，打字这件事本身就特别不自然。”或许正如他所预言，那把陪伴了人类四十年的物理键盘，正被这两家AI巨头同时推向墙角。