OpenAI запускает голосовой режим в десктопном ChatGPT: новые возможности управления и агентности
В среду, 24 июля 2026 года, OpenAI объявила о расширении функционала своего десктопного приложения ChatGPT. Обновление включает поддержку нового голосового режима, позволяющего пользователям управлять AI-агентами, выполнять задачи в среде разработки и контролировать программное обеспечение с помощью голоса. Технология базируется на семействе моделей ChatGPT-Live, способных работать в реальном времени с поддержкой перерывов в речи.
# OpenAI запускает голосовой режим в десктопном ChatGPT
Технологическая компания OpenAI объявила о значимом обновлении своей экосистемы, сделав голосовые функции доступными для пользователей десктопных версий ChatGPT. Это событие, произошедшее 24 июля 2026 года, маркирует переход от экспериментальных голосовых интерфейсов к полноценным инструментам управления рабочим процессом. Новое обновление позволяет не просто общаться с моделью, но и активно взаимодействовать с компьютерной средой.
Интеграция моделей Live и расширение агентности
В основе функционала лежит семейство моделей ChatGPT-Live, анонсированное ранее в том же месяце. Эти модели отличаются способностью к одновременному процессу восприятия речи, генерации ответов и координации действий с внешними приложениями. Ранее, запуск голосового режима на мобильных устройствах был ограничен: смартфоны поддерживали более плавный диалог с лучшей обработкой перебиваний, однако они не имели возможности выполнять практические действия на устройстве.
Десктопное приложение, напротив, предоставляет более широкие возможности для выполнения сложных многошаговых команд. OpenAI продемонстрировала это на примере сценария, где разработчик мог с помощью одной голосовой команды создать новую ветку кода, инициировать пулл-реквест (pull request) и одновременно найти корневую причину ошибки в системе. Технология использует доступные компьютерные навыки (computer use skills) для поиска веб-сайтов и управления установленными программами.
Специальная интеграция с Appshots на macOS позволяет приложению анализировать содержимое экрана. Это дает возможность предоставлять альтернативные текстовые описания (alt-text) для изображений, что критически важно для пользователей с нарушениями зрения и повышения доступности интерфейса.
Совместимость нового режима охватывает как ChatGPT Work (интеграция в рабочие процессы), так и Codex (среду для разработки кода). Это означает, что пользователи могут управлять несколькими агентами одновременно, направляя их на выполнение задач без необходимости переключения между окнами или написания кода вручную.
*«В голосовом режиме можно управлять компьютером и направлять несколько агентов, работающих в ChatGPT Work или Codex, используя лишь голос».* — заявлено в официальном сообщении OpenAI.
Технические детали и сравнение с конкурентами
Стоит отметить, что голосовой режим на десктопе является значительно более продвинутым решением, чем его мобильная версия. Если мобильные устройства фокусировались на качестве аудиоинтерфейса, то десктопная версия делает ставку на исполнительные функции. Модели ChatGPT-Live позволяют системе слушать, говорить и координировать работу приложений параллельно, что ранее было недоступно.
Конкурирующий игрок рынка, компания Anthropic, также недавно расширила возможности голосового режима в Claude. Их обновление позволяет модели взаимодействовать с моделями Opus, Sonnet и Haiku для выполнения задач в популярных сервисах, таких как Gmail, календарь, Slack, Notion и Canva. Это подтверждает общий тренд в отрасли на интеграцию голосовых интерфейсов непосредственно в рабочие приложения.
Термин агентность (agency) в данном контексте означает способность ИИ-системы не только генерировать текст, но и предпринимать действия в цифровой среде: от управления файлами до выполнения запросов к интернету. Новая функциональность в ChatGPT десктопном приложении реализует этот концепт, делая голосовое управление эффективным инструментом продуктивности.
Перспективы развития и доступность
По состоянию на 24 июля 2026 года, функция начала глобальный роулт. Для пользователей iOS, использующих среду Codex, доступен доступ через удаленное подключение, что обеспечивает гибкость использования технологии на различных платформах.
Разработчики отмечают, что это обновление делает взаимодействие с искусственным интеллектом более естественным и интуитивно понятным, устраняя необходимость постоянного ввода текста для сложных операций. Однако, как и во многих новых технологических решениях, важно помнить о границах ответственности пользователя. Открытие доступа к приложениям и экрану компьютера через голосовые команды поднимает вопросы безопасности и контроля над процессами, которые, вероятно, будут обсуждаться в ближайшем будущем.
Отсутствие эмодзи и визуальной декоративности в техническом описании подчеркивает прагматичный подход OpenAI к новому функционалу. Главное нововведение заключается в способности модели слушать, понимать контекст и выполнять задачи без задержек, что превращает ChatGPT из пассивного инструмента для генерации текста в активного партнера в процессе работы.
Это обновление является шагом вперед в эволюции персональных AI-ассистентов, демонстрируя, как голосовые технологии трансформируют взаимодействие человека и машины в профессиональной среде.