![]()
新智元报道
![]()
以前,对ChatGPT口述一长段指令,感觉有点像开盲盒。
对着麦克风噼里啪啦说上三五分钟,屏幕上只有一条上下跳动的声波线。
等按下结束、转写读条跑完,你才能知道它到底把你的话听成了什么。
有时,甚至还会弹出一句冷冰冰的「转录失败」,几分钟全白说。
这种让人血压飙升的「盲说」体验,终于要成为历史。
11月18日,OpenAI喊大家开麦畅聊:正式上线了Live Dictation(实时听写),还顺手砍掉了原来单次10分钟的录音上限。
![]()
这次更新一共改了4件事:
1. 边说边出字:告别「说完再等转写」,话一出口文字同步上屏;
2. 取消10分钟上限:长篇口述不再掐表中断(官方未交底新上限,别真当无限录音笔使);
3. 随时隐藏跳字:听写时轻点声波条,即可开关实时文字显示;
4. 全量分批开放:不挑账号等级,免费版也能用,覆盖iOS、Android、网页和桌面4端,正在全球陆续推送。
![]()
OpenAI总裁Greg Brockman第一时间下场安利,直言语音本来就是用电脑和各类应用更舒服的姿势,实时听写让这套体验顺手太多了。
![]()
网友们也在评论区称赞这是大功一件:终于能够一边说话一边看清AI到底听对没有。
![]()
告别「闭眼盲说」
10分钟封印解除
回想以往用ChatGPT或者日常社交软件发语音转文字,最折磨人的就一个字:等。
这回上线的Live Dictation,最直观的爽感就是几乎不用再等转写。
手指点开麦克风的同一秒,蓝色光标就开始推着单词在输入框里实时滚动。
你嘴里说到哪,屏幕上的句子就跟到哪,不仅能用来给ChatGPT喂长指令,平时拿来当随身速记本使也是够格的。
![]()
除了不用干等,实时出字还顺手治好了语音输入的另一大顽疾:专业术语和关键数字的错漏校对。
平时口述技术方案或工作周报,一碰上AI模型名、英文缩写和数字,语音识别就容易开始随意发挥——
你说「Claude」,它给你写成「Cloud」;说「Token」,它给你整出个「偷啃」。
哪怕识别率做到99%,只要还得等到说完再从头排雷,嘴上省下的那点时间,可能全要赔在审稿上。
现在,你可以一边说一边看屏幕。
说到专业术语或关键数字,瞄一眼屏幕就能核对。哪儿听岔了,趁还记得原话,发出去之前顺手改过来。
第二个让重度用户拍手叫好的改动,是单次10分钟录音上限的正式取消。
对于习惯用语音口述长篇提示词、复盘会议或者做头脑风暴的人来说,现在终于可以敞开跟ChatGPT长篇大论。
在官方放出的实测画面里,一位小哥拿着手机口述婚礼伴郎致辞,从大学宿舍初次见面、南美40英尺悬崖跳水,一路聊到老友儿子出生认自己当干爹。
![]()
整整几大段跨度十几年的回忆录一口气讲完,中间没有任何卡顿、断连。
不仅如此,OpenAI还给实时听写塞进了一个很懂打工人的防窥小设计。
试想你在咖啡馆、地铁车厢或安静的开放工位小声口述时,肯定不想让邻座瞄着屏幕,就看到你正在说的私密内容。
这时只需轻点输入框下方的语音声波条,实时滚动的文字就会瞬间隐身。
![]()
而后台转写不会停,等你想检查文字了,再点一下声波条就能立刻恢复显示,安全感拉满,还能防分神。
目前,Live Dictation正面向全球所有ChatGPT套餐分批推送,iOS、Android、网页版和桌面客户端全都有份。
苦等一个月的「当场重说」
终于成了标配
早在一个多月前,就有用户提前尝到了「睁眼说话」的甜头。可没过多久,这项功能就不见了。
10月18日,这位用户在OpenAI社区发帖求助。
他是ChatGPT Plus用户,有肢体障碍,日常用ChatGPT非常依赖语音输入。
发帖前约两周,他在iPad上口述时意外发现文字开始实时蹦出来了。
他在帖子里写道,哪句听岔了,他一眼就能看到并当场重说,不用等整段说完再返工。
![]()
谁知到了10月18日,这项功能突然从他的iPad上消失了。
直到这次,OpenAI直接发了更新说明,把实时听写推向全部套餐。
这位用户在社区里苦等了一个月的「当场重说」功能,现在所有人都能用了。
对普通人来说,实时出字省的是几秒钟等待。
可对天天靠嘴打字的人来说,还是「眼见为实」。
刚说的人名、刚报的数字,瞄一眼输入框就能核对,按下发送键时心里才有底。
语音是「打电话」
听写是拿嘴「打草稿」
很多人看到「ChatGPT语音更新」,第一反应是那个能陪你唠嗑、随时打断的高级语音模式。
这实际上是两码事:这次更新改的是「听写」。
说白了,语音对话是跟AI「打电话」,听写是拿嘴「打草稿」。
打电话讲究即时过招,话一出口就直接发给了模型,中间嘴瓢、卡壳或者临时改主意,说出去就难收。
而听写把声音留在输入框里,哪里说错了可以随时停下来删改,主导权始终攥在自己手里。
平时闲聊解闷、练口语,找语音对话更自然。
但真要给ChatGPT交代复杂背景、塞一大段工作指令,边说边改的听写往往比直接连麦靠谱得多。
5个月连动三刀
OpenAI把听写扶正了
单看「实时出字」,似乎只是补上了一块基础体验。
但把时间线往回拨你就会发现,5个月里OpenAI已经对听写动过三次刀:
6月26日,所有套餐的听写换上新的语音转文字模型,官方称属于后台升级,用法不变——先治「耳背」,解决听得准不准;
8月14日,Android端输入文字或挂上附件后,听写按钮依然可用,打字和口述能在同一条消息里来回切——再通「手嘴配合」,解决能不能混用;
11月18日,实时听写上线,同时取消10分钟录音上限——最后摘掉「眼罩」,解决能不能边说边看、一口气说完。
不到5个月,ChatGPT接连改了三次听写,用意很明显:听写早已不再是键盘旁边的凑数按钮,它正在被当成一种主力输入方式来重做。
这背后的变化也很实际。
如今大家往ChatGPT里喂的任务,早就过了「一句话搜个答案」的阶段。
就拿改一份项目汇报来说,「帮我改改」四个字很好敲,真正费工夫的是把后面那一长串前因后果交代清楚,在手机上就得抠好几大段。
同样是这样一串要求,手指敲和张嘴说,到底差多少?
斯坦福大学、华盛顿大学和百度的研究人员早年做过一组实测,让受试者在安静房间里用iPhone输入给定的中文短句。
结果显示,哪怕把事后改错的时间全算进去,普通话口述的速度依然是手机拼音打字的2.87倍。
![]()
手机短句录入实验中,普通话口述速度是拼音打字的2.87倍。
既然动嘴快了近3倍,为什么以前大家给AI喂长指令,还是宁愿低头抠字?
症结不在快慢,而在心里没底。
现在给ChatGPT交代任务,嘴里讲到预算和截止日期,低头扫一眼屏幕,当场就能确认数字对不对。
语音转文字最难跨过去的那道坎,是说完就敢发。
话到兴头,不再被10分钟一刀掐断;它听岔的那一秒,错误当场就能揪住、改掉。
参考资料:
https://x.com/ChatGPT/status/2123114715257946334
https://x.com/gdb/status/2123150520303161763
https://help.openai.com/en/articles/6825453-chatgpt-release-notes
编辑:元宇
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.