OpenAI 于 2026 年 11 月 18 日宣布,ChatGPT 开始推送实时听写功能 Live Dictation,并取消原有的 10 分钟录音上限。The Verge 次日报道了这项更新。用户开口时就能看到文字,停下后可以修改草稿,再决定是否发送。

这项更新最能帮到习惯口述长提示词的人。过去要等录音结束才看得到转写,现在说到一半就能发现术语识别错了。至于一段话能不能更快发出去,还要算上停说后的等待,以及把错词改回原意的时间。

ChatGPT 把转写预览提前到录音中

Live Dictation 面向全球所有套餐推送,覆盖 iOS、Android、网页端和桌面端。用户从提示框启动听写,点击或轻触波形即可显示或隐藏实时文字,结束后在提示框里编辑草稿。全球推送是 OpenAI 公布的范围,各端和账户的实际到达时间仍可能不同。

OpenAI 取消了原有的 10 分钟上限,公告没有给出新的单次上限。对需要一次交代背景、任务和约束的人,少一次被迫分段就少一次整理。长段口述还要经得起网络波动和应用切换,已经生成的草稿能否保留,仍有待确认。

首字更早出现,省下多少时间要算到发送前

拿一段中英混说的长提示词做比较,例如口述一份接口迁移要求,里面有英文接口名、版本号,还特别交代不要修改生产配置。计时可以分成三个节点:开口到首字出现,停说到转写定稿,定稿到校对完毕。首字提前能让人更早看见错误,能否少返工,则取决于草稿里还有多少地方要改。

<svg viewBox='0 0 760 208' width='100%' height='208' role='img' aria-label='从口述到可发送的三个计时节点'>
<rect x='0.5' y='0.5' width='759' height='207' rx='14' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='28' y='38' fill='#b25a3a' font-size='20' font-weight='700'>从口述到可发送</text>
<line x1='28' y1='55' x2='732' y2='55' stroke='#e2dccf'/>
<rect x='28' y='82' width='212' height='96' rx='9' fill='#ffffff' stroke='#e2dccf'/>
<rect x='274' y='82' width='212' height='96' rx='9' fill='#ffffff' stroke='#e2dccf'/>
<rect x='520' y='82' width='212' height='96' rx='9' fill='#ffffff' stroke='#b25a3a'/>
<line x1='246' y1='130' x2='261' y2='130' stroke='#7a7266'/>
<polygon points='261,126 268,130 261,134' fill='#7a7266'/>
<line x1='492' y1='130' x2='507' y2='130' stroke='#7a7266'/>
<polygon points='507,126 514,130 507,134' fill='#7a7266'/>
<text x='134' y='119' text-anchor='middle' fill='#2c2822' font-size='18' font-weight='700'>首字出现</text>
<text x='134' y='146' text-anchor='middle' fill='#7a7266' font-size='14'>开口后多久看见字</text>
<text x='380' y='119' text-anchor='middle' fill='#2c2822' font-size='18' font-weight='700'>转写定稿</text>
<text x='380' y='146' text-anchor='middle' fill='#7a7266' font-size='14'>停说后等多久</text>
<text x='626' y='119' text-anchor='middle' fill='#b25a3a' font-size='18' font-weight='700'>校对完毕</text>
<text x='626' y='146' text-anchor='middle' fill='#7a7266' font-size='14'>改到能发花多久</text>
</svg>

发布公告没有列出支持语言。OpenAI 在 2026 年 6 月曾称,听写对不同语言、口音和混合语言的识别有所改善,当时也没有逐语言公布可用范围或准确率。早期反馈里,有人觉得它比 iPhone 内置听写更可靠,也有人遇到句首漏字或噪声下转写空白。缺少同条件的前后对照,这些体验还无法说明新版能省多少时间。对长指令而言,漏掉一个否定词比错几个标点更费事,用户得回头确认整句约束有没有变。

同一段口述,系统听写也能填进 ChatGPT

在 ChatGPT 里写同一段提示词,可以打开应用内听写,也可以把光标留在提示框,用系统听写填字。Apple Dictation 能在支持键入的文本框里使用,听写时可以切回键盘。Windows Voice Typing 也能往 Windows 的文本框里输入文字。Pixel 6 及后续机型上的 Gboard 高级语音输入支持自动标点和语音编辑,还可以跨多条消息持续监听。

<svg viewBox='0 0 760 214' width='100%' height='214' role='img' aria-label='应用内听写与系统听写的输入范围'>
<rect x='0.5' y='0.5' width='759' height='213' rx='14' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='28' y='38' fill='#b25a3a' font-size='20' font-weight='700'>听写入口决定落字范围</text>
<line x1='28' y1='55' x2='732' y2='55' stroke='#e2dccf'/>
<rect x='28' y='82' width='340' height='102' rx='9' fill='#ffffff' stroke='#e2dccf'/>
<rect x='392' y='82' width='340' height='102' rx='9' fill='#ffffff' stroke='#e2dccf'/>
<text x='52' y='121' fill='#2c2822' font-size='18' font-weight='700'>应用内听写</text>
<text x='52' y='153' fill='#7a7266' font-size='14'>生成当前对话草稿</text>
<text x='416' y='121' fill='#2c2822' font-size='18' font-weight='700'>系统听写</text>
<text x='416' y='153' fill='#7a7266' font-size='14'>填入当前应用文本框</text>
</svg>

来回切换应用的人可以沿用同一个系统入口。依赖语音输入的人则要看,从启动、纠错到发送,有几步得动手。微软也把这两种用途分开,Copilot Dictation 用来口述提示词,Copilot Voice 和 ChatGPT Voice 用来口头来回对话。需要逐字核对的长指令,留在可编辑的草稿里更方便。

切换听写入口,也要核对音频去向

OpenAI 的语音听写说明写明,应用内听写会把音频发给 OpenAI 模型处理,并随聊天记录保留。删除聊天后,音频通常会在 30 天内删除,安全与法律例外适用。个人账户选择共享后,音频可能用于训练。商业用户的输入和输出默认不用于训练,音频留存仍要单独核对。

Google 表示,Gboard 常规听写在设备端处理,部分纠错或编辑功能存在例外。用设备端听写填字时,点击发送仍会把文字交给 ChatGPT。团队如果要口述客户资料或内部方案,选入口时要分别确认音频由谁处理、会保存多久,以及最终发出的文字能否进入聊天记录。长提示词能少等几秒,和原始录音该不该留下,是两笔账。