先说结论：ChatGPT 的语音模式分"标准语音"和"高级语音"两档，免费版能用标准语音，Plus 起才有高级语音的完整额度——能打断、能听出语气、能看摄像头画面。它最值钱的三个用法是练口语、当实时翻译、开车走路时口述整理想法；最不值的用法是用它听长文朗读，那个用系统朗读就够。下面按开启方法、三个场景、额度和常见坑讲。
怎么开启
手机 App 输入框右侧的声波图标就是语音模式，网页版在输入框右侧同样位置。第一次会要麦克风权限。进入后屏幕变成一个球，对着说话即可；说话过程中可以直接打断它，不用等它说完。想让它看东西，点左下角摄像头图标，对着菜单、题目、机器面板说"这是什么"。免费版进入的是标准语音，反应慢半拍且不能打断；Plus 和 Pro 进的是高级语音，Pro 档额度最高，见 各档位价格。
三个真正值钱的场景
| 场景 | 怎么开口 | 效果 |
|---|---|---|
| 练口语 | 「你是雅思口语考官，问我 Part 2，我答完你逐句纠正发音和语法」 | 它会真的等你说完再点评，能听出你把 th 发成 s |
| 实时翻译 | 「接下来我说中文你翻成日语，对方说日语你翻成中文，只翻不评论」 | 面对面沟通够用，比翻译 App 少一步按键 |
| 口述整理 | 「我边走边说今天的想法，你别打断，说完我喊结束，你整理成三条要点」 | 10 分钟碎碎念变成一页纪要，回到电脑端还能接着编辑 |
三个场景的共同点是先用一句话给它定角色和规则。不定规则，它默认每句都要回应，练口语会变成聊天，翻译会夹带解释。
反向劝退：这三种别用语音
一是要它读长文。语音模式每次回复有时长上限，读到一半会停，用手机系统的朗读功能更稳。二是要精确内容。代码、表格、数字多的答案，语音念出来你也记不住，切回文字。三是嘈杂环境。地铁、餐厅里它会把背景人声当成你的话，翻译场景尤其容易翻错。
额度和降级
高级语音按每天的分钟数计，快用完时它会提示「今天剩余 X 分钟」，用完自动降到标准语音，不是断开。Plus 的日额度对练口语一天一小时的人够用，做全天翻译的会撞顶，这类人是 Pro 5X 的目标用户，账见 Pro 用法。另外语音模式和文字对话共用同一个对话记录，语音里聊的内容切回文字能看到转写。
提醒一句：练口语别开"翻译"心态。让它全程用目标语言跟你说，听不懂就说 "say it slower"，而不是切回中文问。
常见问题
语音模式免费能用吗？
能，免费版是标准语音，有每日次数限制，且不能打断、不能看摄像头。高级语音需要 Plus 及以上。
为什么我的语音模式反应很慢或听不清？
先看是不是标准语音（球是白色静态的）；再看网络，语音走实时连接，网络环境差会卡顿甚至掉线，和文字对话"降智"是同一类问题，见 降智排查。
语音能设置成男声女声吗？
能。语音模式界面右上角设置里有多个声音可选，切换即时生效，不影响对话记录。
语音记录会被保存吗？
转写文字会保存在该对话里，和文字对话一样受"记忆"和"临时对话"设置控制。不想保存就开临时对话再进语音。