OpenAI 于 2026 年 11 月 18 日宣布,在 ChatGPT 推出 Live Dictation 实时听写。录音期间就能显示语音转成的文字,点击波形可以显示或隐藏。公司同时取消十分钟的录音限制,称功能将向 iOS、Android、网页及桌面的所有套餐全球开放。更新改变了使用 ChatGPT 时一项反复发生的动作,写出下一条要发送的消息。一整段话还没说完,用户就能看到服务听到了什么。 ChatGPT 更新记录
习惯边说边想的人,的确可以在这一步少等一会。转录错误的一部分代价,是等思路已经往前走,再回头查哪句话出了错。文字更早出现,原话与转写的差别就更接近发生的时刻。收益还要看后面能不能方便地改好,用户能否相信自己发出的内容。快速转录能提供一份可以编辑的初稿,实际价值要按修订成原意所需的时间来算。
这次开放了什么#
更新针对输入消息时使用的麦克风。OpenAI 的听写说明介绍,录音会发送给模型转录,文字返回后可以先编辑,再作为用户消息发出。十一月这次增加了实时文字显示,取消录音上限。公告没有给出新的转录模型名称、延迟测量或按语言划分的错误率。要评估的具体变化,是自己设备和账号上的输入体验。 OpenAI 听写说明
有人会在输入框口述一长段要求,描述故障、读一个地址,或把一份文件讲清楚再一次发出。可见的初稿能帮助他发现漏了一句,趁上下文还清楚时补说。它也能显示麦克风是不是录到了旁人,或者用了错误的输入设备。用户最终仍得确认文字完整表达了要求。屏幕上出现连贯的句子,能说明转录在推进,后续校对还有自己的工作。
9to5Mac 在 11 月 18 日的报道记录了同两项变化,文字随录音显示,以及取消限制。文章时间是太平洋时间 10:25,换算北京时间为 11 月 19 日 02:25。对亚洲读者,这是当天早晨出现的一项产品更新,OpenAI 发布记录上的日期则是前一天。几个客户端一起开放,也可能各有到达时间。全球更新公告发布后,到每个账号能稳定日常使用,中间还需要一段铺开过程。 9to5Mac 首发报道
ChatGPT 还有由模型开口回应的 Voice 语音对话体验。OpenAI 的 Voice 文档把希望先录提示、检查和编辑的人引到听写。这说明输入框里实时出现的文字,为什么有单独的用途。用户可以持续说完一个点,再决定哪些内容交给助手。语音对话则要处理轮流发言与打断。在文字输入框按麦克风,最后会得到一条可检查的消息。 ChatGPT Voice 说明
到最后一步,差别会更清楚。比如用户说了九十秒,最后补一条例外,才想起开头一个数字不对。初稿可见时,在请 ChatGPT 执行之前,他就有机会看见数字要改。结果可能是组织消息时多看了一会文字,后面却少花很多时间解释为什么回复跑偏。已经准确写进文字的要求,用户本来想的是另一个数字,助手很难凭空知道。
有用的速度,是改正的速度#
语音识别有几种延迟。前几个词可以很快出来,整句话仍在形成。完整初稿可能稍后才稳定。纠错还可能要求再读一遍,或者换另一种方式编辑。只量首词出现多快,容易遗漏后面的步骤。日常使用更值得问,一个完整想法多久能成为检查过的消息。几十次短请求里反复省下几秒,可能比一场准备充分的独白演示更影响体验。
有些错法很显眼,产品名变成一句陌生的词组,很容易看出来。另一些错法用的却是普通语言。比如一句续约说明漏掉关键的词,意思就反过来;日期也可以被写成形式正确、数值不对的日期。尽早看到文字,有助于说话者趁还记着原句发现差别。发送之前把整段看一遍仍有价值,尤其是决定下一步要做什么的那些部分。
描述软件故障是个例子。人可以说自己试过什么、屏幕显示什么、用的是哪一版。打字不方便时,口述更容易把背景交代全。准确的报错文本、文件名或短标识,可能复制进来更有效率。不同输入方式各管一段解释,才更容易省时间。听写放在文字输入框里,用户就能先留下一份自然口述,再补齐需要精确拼写的部分。
显示或隐藏初稿也各有理由。有的人看着文字,更容易把握节奏和纠正。也有人一盯着字,原来打算说的结构就乱了,希望先讲完再读。保留开关,让实时系统能容纳两种组织方式。重要的状态仍然是录音有没有继续、刚说的最后一句到了没有,以及消息能不能发送。用户选择不看滚动文字,这些状态也要能理解。
停顿也是组织语言的一部分。人可能说完一句了,可能在查一个细节,也可能只是需要更多时间说。好的听写流程让人知道系统还听不听、什么时候有一份完整初稿可看。同样的停顿,换个场景意味就变了。对着文件读一个编号,与凭记忆讲一件事,节奏不同。两种都试一下,才更容易看出新流程适不适合日常工作。实时文字如果能帮人把话说好,用不着先围着界面安排每一次呼吸,就更有价值。
出错后怎样恢复也重要。一条消息只有一句有疑问,句子位置看得见就比较好修。如果整段要重新录,用户得重建原来的措辞和思路。保留成功捕获的内容、让人找到出错部分,可以降低这项代价。OpenAI 的发布记录没有测量新体验的恢复成功率。用户可以拿自己的任务观察,包括停顿、换麦克风、转录还未完成就失联时会怎样。
能录更久,工作也会变#
取消十分钟限制,能让人讲完一个思路,不必对着倒计时安排最后一段。说得慢、经常停下来、需要较长背景的人,可能尤其受益。更新撤掉了这条录音边界。设备、连接和服务本身还有运行条件,公告也没有承诺任何长度都可以不间断完成。内容变长以后,值得问的是其中有多少能被检查、修改并使用,还能围绕原本要说的事。
长口述可以包括几类材料。一个人先讲发生的事,再考虑两种解释,最后才定下来要助手做什么。写成文字后,备选方案和自我纠正可能都还在。希望助手陪着分析时,这有用。最后指令已经明确时,几种互相替换过的说法也会干扰。输入框让用户保留有用背景,删除自己放弃的要求。录得更长,与值得发出的消息写得更长,可以是两个方向。
十分钟的项目介绍里可能有日期、人名、数量和几个猜想。这些材料需要不同处理。日期可以对记录,任务要求写清楚,猜想则保留为问题。实时文字让人更早开始做这件事,却不能替说话的人决定最后认可哪句话。助手接到整段内容时,还得判断各句怎样关联。检查过的初稿可以分别写明已知、不确定和接下来要做的事,让这一步更容易。
会后口述笔记也有同样问题。用户先回忆一项决定,后来想起还有例外,初稿可以先留两者,之后对照书面记录。由初稿整理出的漂亮摘要,依然可能沿用错误记忆。实时转录显示自己对麦克风说了什么,对组织文字很有用。回忆本身对不对,还是准备消息的另一部分。保留原有措辞,能帮助人认出自己在哪里推测,避免把它改写成确定的要求。
可用性也取决于怎样说话#
语音输入有很长的历史。万维网联盟的无障碍指南介绍了键盘、鼠标使用不便者怎样依靠它,包括肢体障碍或重复性劳损人群。对这些用户,语音变文字变快,可能改变整项任务是否方便完成。下一步同样重要。如果改一个错词仍需艰难地点好多次,提高识别率后,昂贵的操作还在那里。编辑是否无障碍、状态是否明确、发送是否好理解,都影响早来的文字能否变成可用输入。 W3C 的语音识别说明
OpenAI 社区一份报告把这个依赖说得很具体。用户表示,自己听写时依靠同步文字检查内容,那种显示行为从安装的应用里消失后,改错变得困难。11 月 18 日的支持回复回应了这件事,并索取调查信息。这个个案记录了用户对无障碍与稳定可用性的依赖。已经安排好一套有效输入方式的人,可能和速度一样重视它是否一直存在。 用户报告与支持回复
另一些用户需要避开语音。W3C 也说明,当识别软件难以理解一个人的发音方式时,会造成障碍。文字可以提供另一条路。普通场景也要有选择,人可以在家口述、到火车上打字,或者改键盘输入一个不想被旁人听见的预约编号。有用的更新让口述更方便,同时保留熟悉的手工输入。无障碍要看人能不能结合自己的工具完成工作。 W3C 的语音相关障碍说明
语言还会增加一层。识别说了哪些词,与写成用户期待的文字形式,是相关却不同的任务。地名可以有几种习惯拼法,人也会在一句里换语言。同样的读音,有的人希望采用特定字形。社区关于繁体中文的报告,描述的正是这个区别,十一月的支持回复也提到了相关问题。该报告不能说明新版本的发生比例,但给出了说话者可能还要修正的一种具体情形。 语言与字形报告
操作系统早已可以向普通文本框听写。Apple 的 iPhone 指南说明了打字与听写结合,也说明许多语言可以在本机处理,具体随语言、地区和功能变化。因此,ChatGPT 用户也可以选择在哪里捕获初稿。应用内能处理自己常用词、改字方便,就可能合适。系统级输入还可以在几个应用之间使用。选哪一个,取决于设备、词汇,以及个人是否接受它处理录音的方式。 Apple 听写指南
口述会留下一份不同的记录#
录音有自己的处理规则。OpenAI 听写 FAQ 说,音频送去转录后,会随聊天历史保留。用户删除聊天后,关联音频一般在三十天内删除,说明中列出的例外适用。FAQ 也介绍个人账号的音频分享设置,并说明商业用户的输入输出默认不用于训练。这些政策同样影响是否选择口述。实时文字告诉人看得有多快,FAQ 则解释为此交出去的音频如何处理。 OpenAI 音频处理说明
短任务也可能有差别。打字时,用户可以逐项决定哪些细节要写入。随口讲述时,可能先说了一段背景,后来才决定它与请求无关。可编辑转录允许缩小最终消息,但音频已经用于转录。选择输入方式时,可以先考虑哪些材料适合录下来,包括房间里能够听到什么。文字初稿显示的内容,可能只覆盖麦克风捕获的一部分。
输入更多,也意味着以后可回看的材料更多。长录音准备文件时有帮助,事情做完后价值可能变了。理解保留会话、归档与删除的区别,有助于决定初稿应当放在哪里。工作场景还要看使用的账号和工作区,与机构处理这类材料的规则怎样对应。录音可以延长,它有用的空间和留下的记录体量也一起增加。
怎样判断这次更新值不值#
第一项试验可以就是平时会口述的消息。里面用日常词汇,中间自然改一次口。看文字出来得够不够及时,最后一句有没有到,发送之前还要改多少。短消息也可能比按脚本念的一场展示更能说明体验。日常口述有犹豫、变主意和真实要传达的词。最后仍由说话的人核对,这段文字是不是原来想说的内容。
另一个比较对象是原先的输入流程。人可能已在键盘里听写,也可能整段手打,或先在别的应用录好再粘贴。能改变习惯的指标,是得到一条检查过的消息所用的总时间和精力,包括纠错、切换工具。前面字出来得快,后面修改同样费力,收益就有限。错误出现时人能顺势改好,即便短请求也能省去一段重建思路的时间。
最重要的错误值得单独数。两种方法的初稿都容易读,都要改三处。一种是标点和重复词,另一种是地址、数量及执行日期。演示中修改时间可能差不多。等消息要让助手写回复或改文件,漏改的后果差别就大了。比较时可以记录事实与关键指令有没有保留,用户多容易发现不一致,以及是否要重复纠正。小观察能把输入提速和后续任务准确性接起来。
用户逐渐依赖之后,可靠性变得更重要。十九次都好,第二十次长思路丢掉,仍会令人难以使用。一份早期论坛帖子描述现有 Android 版本里转录失败或录音丢失的经历。帖子里的发生率属于那个人的使用记录。产品需要回答的是新体验如何显示失败,用户又能挽回多少工作。出错时保留已经捕获的文字,可能比成功请求再快一点更重要。 个人可靠性报告
OpenAI 改动的是一个看起来不大的功能,却会影响很多轮互动。文字出现更早,用户可以选择什么时候看,旧的录音上限也取消了。这些是具体变化。长期价值要看一个更简单的结果,人能否用更少等待和纠正,得到自己真想发出的消息。以写下一条指令为入口的产品,值得在这里改好。更能说明效果的证据是,日常条件下同样的熟悉词汇可以照常使用,第一处错误之后也更容易回到原意。