让用户说五分钟，屏幕替他填表：语音 Agent 为什么不一定要开口

导读

语音 Agent 一定要用声音回答吗？OpenAI 的 Charlie Guo 把交互分成三种：语音到语音适合语言学习和电话服务；语音到动作让用户说出意图，由软件直接修改屏幕或执行操作；事件到语音则在用户没有看屏幕时主动提醒。填表时，用户可以自然讲述经历，系统提取姓名、地址等字段，让人检查、修正后再提交；创作工具也可以接收口头修改，立即展示颜色或节奏的变化。开发者可以把现有软件中的合适动作定义为工具，并用高亮、进度条或光标展示执行状态。主动提醒则需要根据重要程度、用户活动和环境选择声音还是视觉通知。声音、文字和屏幕各有所长，同一产品可以根据任务在三种模式之间切换，例如驾驶时播放歌单、提醒拥堵，再回答司机关于路线的问题。