近日，OpenAI正式將ChatGPT語音功能推進(jìn)桌面端，在Work與Codex場景中，用戶可直接用語音啟動任務(wù)、調(diào)度多個AI Agent、隨時打斷并調(diào)整方向，用戶只需動嘴，就能指揮AI完成復(fù)雜任務(wù)。OpenAI官方數(shù)據(jù)顯示，Codex加ChatGPT Work的周活已突破1000萬。

　　一個信號已經(jīng)明確：語音正從"輔助輸入"升級為AI交互的核心入口。

　　01. 從GUI到AUI，人機(jī)交互的第三次躍遷

　　過去四十年，人機(jī)交互經(jīng)歷了從命令行到圖形界面（GUI）的跨越。如今，隨著大模型理解能力的躍升和語音技術(shù)的成熟，交互范式正在發(fā)生第三次轉(zhuǎn)移——AUI（Audio User Interface，語音用戶界面）時代已經(jīng)來臨。

　　長期以來，人與AI的交互依賴點(diǎn)擊和鍵盤輸入，想法被拆解成一條條指令逐條輸入。語音輸入打破這種線性限制，用戶可直接開口，把前因后果、顧慮偏好一次性說完，哪怕表達(dá)零散，模型也能自行梳理。社區(qū)實(shí)測：語音吞吐約每分鐘240個詞，打字最多70-80個詞，效率相差三倍有余。

　　但AUI要真正走進(jìn)辦公場景，必須先解決一個現(xiàn)實(shí)問題：一是環(huán)境噪音下，AI能否精準(zhǔn)聽懂你的指令；二是AI的語音回復(fù)，如何不打擾鄰座、不外泄信息？

　　02. 語音交互的兩道門檻：AI聽不清/旁人聽得見

　　語音交互在辦公場景落地，面臨兩道現(xiàn)實(shí)門檻。

　　① AI 聽不清

　　開放式辦公區(qū)鍵盤敲擊、同事交談、電話鈴聲等背景噪音持續(xù)存在，語音指令容易被環(huán)境音干擾，識別準(zhǔn)確率大打折扣。

　　② 旁人聽得見

　　AI語音回復(fù)通過普通揚(yáng)聲器外放，鄰座被迫旁聽；會議室里多臺AI終端同時發(fā)聲，聲音互相交疊，誰也聽不清自己的那一份。

　　語音交互要真正走進(jìn)辦公場景，靠的不是更靜謐的環(huán)境、更低的音量，而是讓聲音被精準(zhǔn)地收、定向地放。

　　03. 聚音屏AI PC:釋放全雙工交互價值

　　清聽聲學(xué)聯(lián)合聯(lián)想打造的全球首款聚音屏AI PC，將第三代定向聲技術(shù)與AI 終端深度融合，讓"聽得清"與"聽得私密"同時成立。

　　輸出端?

　　聚音屏技術(shù)讓屏幕本身成為發(fā)聲單元，聲音以15°夾角定向投射至用戶耳畔，形成專屬私密聲場；系統(tǒng)還可通過攝像頭實(shí)時感知用戶位置變化，動態(tài)調(diào)整聲波方向，聲音始終追隨用戶耳際。AI的語音回復(fù)只有你能聽見，鄰座同事不受干擾，敏感信息不會外泄。

　　輸入端?

　　在定向發(fā)聲之外，聚音屏AI PC可進(jìn)一步集成清聽聲學(xué)AI定向拾音，通過高靈敏度麥克風(fēng)陣列與智能算法，精準(zhǔn)鎖定用戶發(fā)聲方向，過濾鍵盤敲擊、同事交談等環(huán)境噪聲，無需刻意提高音量或俯身湊近，嘈雜的開放式辦公區(qū)AI也能清晰"聽見"你的每一句話。

　　輸出與輸入雙向協(xié)同，構(gòu)成全雙工語音交互，形成“聽-說”交互閉環(huán)。在聚音屏AI PC面前，用戶可直接開口向ChatGPT下達(dá)復(fù)雜指令，AI在后臺執(zhí)行，定向聲場將反饋私密送達(dá)，開放式辦公空間里，你擁有了"只屬于自己的聲音結(jié)界"。

　　不止于此，當(dāng)一間辦公室同時運(yùn)行多臺Voice Agent時，聚音屏可以建立一個個相對獨(dú)立的聲音區(qū)域，提高單位空間內(nèi)可部署的智能工位數(shù)量。

　　當(dāng)AUI時代來臨，辦公場景將被重新設(shè)計：不必整天端坐敲擊鍵盤，隨口讓AI整理客戶資料/發(fā)出一封郵件；可以在開放式辦公區(qū)同時調(diào)度多個Agent處理不同任務(wù)，而鄰座同事渾然不覺；多人協(xié)作時，各自與AI對話，聲音互不干擾。

　　當(dāng)大模型賦予AI"聽懂人話"的能力，聲學(xué)技術(shù)則決定了這場對話能否在真實(shí)世界里體面地發(fā)生。語音交互的下半場，比拼的不只是模型的智商，更是聲音能否被精準(zhǔn)地送達(dá)與拾取——這正是清聽聲學(xué)為AI時代提供的聲學(xué)解法。