ARTICLE · 1198890
AI 助手开始开口干活:ChatGPT 能语音查邮件做 PPT,谷歌上线会说话的数字人
AI 助手开始开口干活:ChatGPT 能语音查邮件做 PPT,谷歌上线会说话的数字人语音助手，正在从「你问它答」变成「你交代它办」。同一天，OpenAI 和谷歌各出一招：一个让 ChatGPT 用语音真正干活，一个把「数字人」搬上了企业云。
ChatGPT：开口就能办事 OpenAI 把 ChatGPT Voice 接入了 GPT-6 家族和插件体系。这意味着，你不必再打字，直接用说的，就能让它查邮件、挪会议、做 PPT，并接入 Agent 产品 ChatGPT Work。支撑这套体验的，是 GPT-6 的分工：Astra 负责操作电脑、处理多步骤的「硬活」，Sol 负责推理，Luna 走最低价路线。新版 App 从当天起全球推送。用一句话概括它的变化：从「帮你写」到「帮你做」，语音终于不只是聊天入口，而成了办事入口。
谷歌：会说话、还会对口型的数字人 谷歌的这一招落在企业侧：谷歌云正式面向企业开放 Gemini 3.8 Live with Live Avatar。它支持实时唇形同步，也就是数字人的口型和说话内容对得上；支持 97 种语言自动切换；还能在后台异步调用工具，一边聊一边把事办了。值得注意的是，它生成的音视频都嵌入了 SynthID 水印，用来标识「这是 AI 生成的」。对企业来说，这意味着可以做出更像「真人客服」「真人讲解」的交互形态；对普通人来说，也意味着以后视频那头的「人」，可能不是人。
两条路，指向同一个方向 把两件事放一起看，方向就很清楚了：语音不再是终点，而是让 AI「动手」的起点。ChatGPT 走的是「语音调度 Agent、替你把活干了」；谷歌走的是「让数字人替你去说、去讲」。共同点是，AI 的交互界面正在从文字框，变成更接近人和人对话的方式。这也解释了这一轮竞争的焦点：谁能让 AI 更自然地「接话」，又更可靠地「办事」，谁就更可能成为用户每天要用的那个入口。
当然，越像人，问题也越尖锐：数字人冒充真人怎么防？语音权限交给 AI 之后，误操作谁负责？水印能挡住恶意的仿冒吗？技术往前跑的同时，这些边界问题，恐怕会和「能干什么」一样重要。
