ChatGPT手机语音智能体上线，Plus用户可自动写文档做PPT

昨天, 有一个很受大家欢迎的智能助手, 它的手机应用里新增了一个能用声音来控制功能的能力。用户只要对着自己的手机开口说话, 就可以让它帮忙写文档, 或者把邮件的内容进行总结。这个变化让大家在手机上处理工作的方式发生了根本性的改变。

语音智能体功能全面落地

依据官方的更新说明, 在移动端这一设备上。它是新增了语音这种智能体的能力的。用户这边通过那种自然语言的对话, 就是说话这种方式是完全可以做到的。它就可以把一些工作给触发起来。

比如说文档撰写, 包括邮件总结, 还有会议纪要的生成这些具体工作。这是不需要人们去逐字进行输入的。这样的结果是让操作这个门槛得到了大幅度的降低了。

该功能已经全面覆盖了Pro这一层、Plus这一层、Free这一层和Go这一层, 这四个订阅层级都在覆盖范围之内, 但是每个层级里头可以执行的任务的样式, 还有复杂程度的高低方面, 是存在非常明显的区别的, 所以用户需要依据自己的实际情况来做出选择, 确定要选用的具体方案。

订阅分层决定功能上限

对于Pro和Plus这两个身份的用户来说, 他们完全可以在自己的手机设备上面, 去直接地使用那个标记为“工作”的功能指令。通过这种方式, 他们就能够直接地去创建那种文档, 或者是撰写邮件文本, 又或者是对Slack里面的那些消息内容进行总结。

只需要讲一句话就可以了, 这样就把原本需要分好多步操作才能完成的那些工作任务给解决了, 这样的体验效果可以说是最为完整同时也最为流畅的一种状态。

Free用户还有Go用户的受限的地方会比较多一点。他们是能够直接调用插件的。他们也是能够直接使用那些已经连接好的应用的。可是他们是不可以触发端到端任务执行的。核心的生产力的功能是被锁在付费这个层级的后面的意思就是说这些功能是只有付费的人才能用的。

进阶操作解锁生产边界

作为付费用户, 他们还能去做一些更高级的操作。比如创建网站, 制作PPT, 还有调用云端浏览器。这样一来, 语音指令就能直接变成能交付的工作成果了。手机正式就有了动手干活的能力。

手机现在已经不再是那种只负责提出问题然后等待回答的简单对话窗口了。它在功能上得到了升级, 变成了一个可以直接拿出完整成果的移动式工作工作台。它的应用范围发生了改变, 不再局限于进行信息的查询操作, 而是已经延伸到了具体的生产执行环节之中。

文本语音自由切换

官方说了, 这次升级完了之后，语音对话那边会输出更多的文字内容, 让大家都知道发生了什么情况。然后PLUS用户, 可以在文本模式和语音模式中间随便切换, 这样就可以灵活地应对各种不同精确度的要求和表达需求了。

典型的场景是这样, 首先是使用语音来下达指令, 也就是说出“总结这封邮件”这样的话, 然后再切换到文本模式, 对内容进行逐句的修改和润色, 这样就同时兼顾到了使用语音下达指令时的高效性和通过文本进行输出时的精确性。

跨设备无缝衔接工作流

我们更新了那些能够支持手机开始做然后电脑接着做的跨端相互协作的功能, 这样人们在通勤的路上可以利用语音的手段去布置具体的任务, 等回去坐在办公室以后可以在桌面的软件里补充相关的细节并且完成最终的交付工作, 整个过程可以做到没有任何阻力的无缝连接。

设计精准针对碎片化办公场景, 将移动端从临时查看消息升级为完整执行终端, 出差开会间隙也能推进工作进度。

从问答走向端到端执行

核心的逻辑就是要把语音那个互动, 从一问才答一下那种被动的模式, 推进到主动去执行的那个循环里去的这个过程里边的关键步骤, 是要先弄懂你想干什么的, 然后再调用那些工具, 最后再把你想要的结果给你交上, 所以这个AI助手, 就不再只是当个出主意的参谋了, 而是变成了一个能干实事的人。

行业当中的分析, 大家普遍认为, 当人工智能技术能够直接去动手进行具体的操作劳动了以后, 在移动端这一领域里面的竞争焦点, 就会发生一个重要的转移, 这个转移的方向就是从模型本身的对话互动能力, 转变成为对任务完成程度的追求, 同时也包括对于工具调用深度方面的重视, 还包括跨平台协同能力这方面的综合性的比拼。

你认为那个依靠口头表达就能处理工作的情况, 会不会在今后的日子里变成一种普遍的模式呢? 大家可以到评论区里去进行沟通交流, 如果觉得这个说法是有用的, 那么请帮忙点赞, 并且把它分享给自己的同事们看一下。