ChatGPT научился управлять компьютером голосом, но пока не заменяет действия руками

OpenAI добавила голосовое взаимодействие в настольную версию ChatGPT. Теперь пользователь может не только разговаривать с ассистентом, но и отдавать голосовые команды для выполнения действий на компьютере.
Раньше голосовой режим ChatGPT был в основном способом общения с моделью. Он умел отвечать на вопросы, поддерживал перебивание во время разговора и делал диалог более похожим на обычный разговор. Настольная версия получила дополнительный уровень доступа: голосовые команды могут использоваться вместе с возможностями компьютерного управления.
OpenAI заявляет, что ChatGPT Voice способен выполнять многошаговые задачи. Например, пользователь может попросить подготовить изменения в проекте, открыть нужные приложения или выполнить последовательность действий в рабочем процессе. В демонстрации компания показала сценарий, где разработчик голосовой командой попросил создать новую ветку кода, отправить Pull Request и найти причину ошибки.
При этом функция не превращает ChatGPT в полноценного оператора компьютера без ограничений. Для доступа к приложениям и содержимому экрана нужны разрешения, а конкретные действия зависят от доступных инструментов и поддерживаемых сервисов. На macOS OpenAI отдельно указывает возможность работы с содержимым экрана через специальные механизмы доступа.
Нововведение связано с переходом голосовых помощников от простого ответа на вопросы к выполнению задач. Разница заметна именно в сценариях, где раньше пользователю приходилось переключаться между окном браузера, редактором кода и другими программами. Теперь часть таких операций можно описать одной голосовой командой.
OpenAI также добавила поддержку ChatGPT Voice для рабочих инструментов и Codex. При этом компания пока не раскрыла полный список доступных сценариев, региональные ограничения и сроки появления всех возможностей для пользователей разных тарифов.
Главная особенность обновления не в самом голосовом вводе. Распознавать речь компьютеры умеют давно. Изменение в том, что голос становится способом запуска действий, а не только способом задать вопрос. Насколько полезным это окажется в обычной работе, будет зависеть от того, сколько программ действительно смогут взаимодействовать с ChatGPT без ручного вмешательства.