大多数第一次尝试ChatGPT语音模式的人，会因为感觉有点傻而在三十秒后放弃。这很正常——第一次对着手机大声说话会让人觉得奇怪，在公共场合尤其如此。但语音模式是现代AI中最未被充分利用的功能之一。一旦找到它确实比打字更合适的场景，你就不会再把它当成噱头。
本文将快速介绍语音模式擅长什么、不擅长什么，以及如何使用它而不让自己感觉像个未来主义者。
如何找到语音模式
在ChatGPT应用（iOS和Android）中，输入框附近有一个耳机形状的图标。点一下。在目前的大多数版本中，你会看到两种语音选项：
- 标准语音：基础的说话与应答模式。它在移动应用中稳定提供；在网页端，是否支持语音取决于你的账户和当前产品界面。
- 高级语音（有时称为“Realtime”或类似名称）：更具对话感的版本，能够处理中途打断和语气，感觉自然得多。Plus和Pro方案可以使用。
Claude、Gemini和Grok现在也都有类似的对话语音模式。Apple Intelligence语音和Google Gemini Live版本同样表现出色。除了按钮布局略有不同，本文的建议对它们都适用。
语音为何会改变你使用AI的方式
键盘会迫使你组织语言。你要准确思考自己想表达什么，输入文字，重新读一遍，然后发送。语音则不同。你可以边说边想。可以东拉西扯。可以回头改口。可以说“其实等一下，还有……”
事实证明，语音正适合某一类特定任务。当你还在弄清楚自己究竟想表达什么时，键盘会拖慢速度。语音能从你当下的状态开始配合。下面是一些能体现这种差异的例子：
边说边思考一个决定。“好吧，我正在考虑要不要接受这个工作机会。我担心通勤，但又觉得工作内容更有意思。而且我的伴侣提到……其实，你能不能问我一些问题，而不是只听我说？”这样的对话能够自然推进，而打字很难达到同样的效果。
**一边散步，一边梳理问题。**站起来、活动身体、把问题说出来——有研究解释了为什么这比坐在屏幕前更有效。语音模式让你在这样做的同时，仍然有一个思考伙伴。
**学习语言。**练习爱沙尼亚语、德语、西班牙语、日语的对话——任何需要开口说而不只是阅读的语言都可以。模型很乐意扮演母语使用者，纠正你的发音，也会在你提出要求时放慢语速。
**需要解放双手的时刻。**做饭、遛狗、锻炼时，键盘不是可选项，语音是唯一的选择。开车时使用看似很诱人，但我们特意没有把它列入清单：需要你思考的对话确实会分散驾驶注意力，所以请把有意思的问题留到停车后再聊。
快速记录。“记一下，我下周二需要跟Anna跟进提案的事，并提醒我询问预算问题。”这比在笔记应用里打字更快。
思维模型：像给聪明的朋友打电话一样与它交谈
如果你觉得语音模式很别扭，解决办法几乎总是：别再把它当成带声音的搜索框，而要把它想象成与一位聪明、博学的朋友通电话。你可以：
- 打断它。（“等一下，我不是这个意思。”）
- 随意展开。（“好吧，问题是，我的情况有点复杂……”）
- 说到一半纠正方向。（“其实，别管刚才那些，让我重新说。”）
- 自然地追问。（“等等，你刚才那句话是什么意思？”）
- 停下来思考。（“嗯，给我一点时间。”）
试一次。打开语音模式，直接说类似这样的话：“我今天和一位同事的互动有点奇怪，想想该怎么处理。你能先听我说一分钟，然后问我三个问题吗？”接下来就像和朋友交谈一样说上几分钟。模型会抓住主线，并反过来提出有用的问题。第一次体验确实会让人惊讶。
语音模式不擅长什么
下面是一份坦诚的清单：
**任何视觉任务。**如果任务涉及查看文档、图表或屏幕，语音就不是合适的工具。你可能会忍不住描述眼前看到的内容，但描述总会丢失信息。请改用相机或上传模式。
**精确的书面输出。**如果你想让模型起草邮件、幻灯片或备忘录，可以通过语音提出要求——但你会希望结果以文本形式呈现，方便复制。大多数语音模式两者都能做到（既朗读回答，也在屏幕上显示），不过若要产出书面内容，语音很少是最快的方式。
**任何需要边听边读的内容。**复杂的解释、选项清单，以及任何包含数字或步骤的内容。语音不适合呈现列表。听别人念出五个要点，要比直接阅读五个要点难记得多。
**不适合打电话的公共场所。**这更多是社交问题而非技术问题，但同样重要。在安静的办公室或拥挤的公交车上，使用语音模式会显得不礼貌——就像打电话一样。戴上耳机，问题就不复存在。
**要求输入精确的任务。**大声念出代码片段、准确姓名、长URL或复杂地址，只会让人沮丧。这些内容请直接打字。
几种实用模式
当你适应语音后，下面几种模式就能覆盖大多数实际用途：
**散步时的智囊团。**到户外走二十分钟，打开语音模式，集中梳理一个难题。有时是一个现实问题，有时是某份内容的草稿，有时是“把X解释给我听，假设我只是一个好奇的外行”。很多这样做的人发现，它取代了原先要拖延一个小时才会进行的自我会议。
**晨间简报。**早上打开语音模式，让模型为你提供五分钟的当日简报。“今天是周二。我在10点、2点和4点有三场会议。我的主要优先事项是X、Y、Z。请用五分钟带我梳理一下该如何为今天作准备。”如果你接入了日历，这种方式尤其有效。
语言沉浸伙伴。“用爱沙尼亚语和我对话。我处于中级水平。使用简单的语法，但词汇要有变化。当我说出明显错误的内容时请纠正我，但不要为此打断——等我说完每个句子再纠正。”这确实能培养语言技能，而且与真人教师不同，它有无穷的耐心。
面试准备伙伴。“你正在面试我应聘一家B轮初创公司的高级产品经理职位。每次问我一个符合实际情况的问题。如果我的回答太空泛，请追问。面试结束前不要给我反馈，然后告诉我最需要改进的两个回答以及改进方法。”在真正面试的前一晚，这种练习的实用程度怎么强调都不为过。
日志式提问。“问我三个关于这周过得怎么样的问题。不要给我建议，只要倾听并追问。”每周花五分钟这样自我检视，是一个出奇有效的习惯。
最后一个小提示
你不必像口述备忘录一样说话。语音的意义就在于你可以随意展开、重新开始、前后矛盾，再要求模型帮你理清思路。模型完全能够应对不流畅的表达。许多用户表示，他们与AI进行的语音对话最终比文字对话更有用，因为他们不再费心雕琢提示词，而是更专注于自己真正想弄清楚什么。
如果你到目前为止仍觉得语音模式很奇怪，请尝试一次：明天早上，在前往目的地的路上戴上耳机，请模型帮你梳理一件心事。走上十分钟。到达时，你要么已经解决了问题，要么已经让问题变得更清晰。两种结果都是收获，而唯一改变的只是交互方式。
