Claude 语音模式接入 Opus、Sonnet 与工具

7 月 23 日的更新把 Claude 语音模式从“只能用 Haiku 的快速对话”扩展成按方案选择模型、在许可后调用连接工具的任务入口。变化集中在一条连续链路上：用户先用语音梳理问题，再在同一段对话里选择更强模型，最后把明确动作交给已经连接的日历、邮件、文档或协作工具。

可确认的范围很具体。Claude Opus、Sonnet、Haiku 都进入了语音模式，但可选模型仍跟随订阅方案；Free 用户仍是 Haiku。付费方案可以访问扩展模型，并在语音中使用全部已经连接的工具；Free 方案可连接 1 个工具。Claude 在执行连接工具前会请求许可，语音对话也会计入相应方案的常规用量限制。

这次发布没有承诺所有用户都可用 Opus、Sonnet，也没有把“更多语言”变成自动识别。官方列出 11 种可选语言，覆盖所有方案；用户需要口头要求 Claude 切换，或在语音设置中手动选择。Claude 不会自动检测语言，原有语言设置也不会自动带入语音模式。

对个人用户，语音开始能从讨论跨到执行；对团队和企业，风险点也从回答是否准确扩展到“谁授权了哪个外部动作”。模型更强并不会取消方案边界，工具接入也不等于后台自动执行。真正影响落地质量的是延迟、用量、许可粒度和审计记录。

从 Haiku 快答到按方案选择模型

Anthropic 对更新前状态的描述很清楚：语音模式此前只运行 Claude Haiku，选择它是为了速度。这个取舍让对话保持轻快，却不总能承接需要较长推理、反复澄清或多步比较的问题。7 月 23 日起，Opus 与 Sonnet 也可进入语音对话；用户可以在对话过程中通过模型选择器切换，语音模式会使用所选模型的快速版本。

帮助中心补充了一条不能省略的限制：语音模式里的可用模型遵循用户方案。也就是说，“Opus、Sonnet 已进入语音模式”描述的是产品能力池扩大，不是把这两类模型发给每一位用户。Free 方案仍使用 Haiku；付费方案访问扩展模型时，也要以该方案实际提供的模型为准。

语音与文字可以在同一个会话中切换，上下文继续保留。语音启动时会继承用户上次在文字聊天中使用的模型，并自动切到该模型的最新一代；用户也可在语音对话中途换模型。这让“先口头发散、再文字核对细节、最后回到语音推进”的流程保持在单一会话中，无需另开一个缺少上下文的语音窗口。

官方同时说明，语音交互仍采用轮流对话：Claude 听取用户表达，停顿思考，再作答。更强模型带来的是处理复杂问题的能力扩展，不等于持续抢话式的全双工承诺，也不意味着所有任务都能保持 Haiku 的响应速度。不同模型在语音中的端到端延迟和用量消耗，官方尚未给出横向数字。

能力范围与方案边界

维度	7 月 23 日前或基础状态	本次更新后的范围	必须保留的边界
模型	语音仅运行 Haiku	Opus、Sonnet、Haiku 进入语音模式	可用模型跟随方案；Free 仍为 Haiku
工具	语音侧能力有限	可调用 Gmail、Slack、日历、文档等已连接工具	执行前请求许可；“全部”仅指已连接工具
Free 方案	Haiku	Haiku、1 个连接工具、全部可用语言	不包含 Opus、Sonnet 的统一权益
付费方案	按方案使用 Claude	可访问扩展模型与全部已连接工具	语音对话计入常规用量
语言	以英语为主要入口	11 种语言面向所有方案	不自动检测，必须口头或手动切换
客户端	语音以移动使用为主	beta 覆盖 mobile、desktop、web	官方仍称手机体验最佳

这张表里最容易被误读的是“all chat users”。官方说测试版面向所有 chat 用户开放，指的是三端均有进入语音模式的资格，不是所有人获得相同的模型、工具数量与用量额度。准入范围是全体，权益范围仍分层。

第二个易混淆点是“paid plans can access expanded models”。准确中文应是“付费方案可访问扩展模型”，并结合帮助中心的“模型跟随方案”理解。不能把它改写成“所有付费用户默认使用 Opus”，也不能假设 Opus、Sonnet 在每个付费层级中的额度和优先级完全相同。

口头意图如何跨到获许可动作

模型扩展解决“能否把问题想深”，工具接入解决“想清楚后能否做事”。官方示例包括：让 Claude 把 Google Calendar 上的会议推迟 30 分钟；把关于客户提案的讨论整理成 Canva 单页；汇总当天邮件，并为最关键的邮件起草回复。这些例子横跨读取、内容生成与可能改变外部状态的操作。

语音入口降低了发起动作的成本，也增加了误听、指代不清和环境噪声的风险。Anthropic 给出的最低授权承诺是：Claude 在使用已连接工具之前会请求许可。由此可以确认，工具不会因为一句口头提及就在无确认状态下自动执行；但公告没有进一步披露许可是否对每个动作逐项弹出、读操作与写操作是否分级、一次许可能覆盖多长会话。

“全部已连接工具”也需要按字面理解：付费方案可以在语音模式中使用用户已经完成连接的工具，Claude 不会自动获得连接器目录中所有服务的访问权。连接器目录显示，这些集成由 Model Context Protocol 支持，并可能具有只读、读写或交互等不同能力；连接器提供方还可能有各自的条款和隐私政策。用户是否连接、连接了哪个账户、授予何种权限，仍是执行链的前置条件。

一个更稳妥的治理链条应包含四个节点：识别用户口头意图，向用户复述准备执行的动作，请求许可，完成后返回可核对的结果。前两步和后一步的具体产品形态并未在公告中完整承诺，因此本文不把它们写成现有功能；但对涉及发信、改日历或更新外部文档的企业工作流，这些节点会直接决定语音工具调用能否进入生产环境。

帮助中心还提醒，语音模式同时使用多个工具可能带来短暂延迟，而且并非所有结果都能在语音界面完整显示。这意味着语音适合发起与推进任务，却不一定适合检查长表格、复杂权限差异或大段修改结果。高风险动作仍需要回到屏幕，确认对象、时间、收件人和最终内容。

多语言扩展不等于自动识别

官方列出的语言共有 11 种：英语、法语、德语、印地语、印尼语、意大利语、日语、韩语、巴西葡萄牙语、拉丁美洲西班牙语和西班牙西班牙语。其中英语之外的语言支持仍处于 beta 范围。

所有方案都能使用这些可用语言，Free 用户并未因模型限制而只获得英语。但切换机制是显式的：用户可以在对话中口头告诉 Claude 从英语换到目标语言，也可以在语音设置的语言选择器中手动选择。Claude 不会自动检测正在说哪一种语言；此前应用或聊天中的语言设置也不会自动带入语音模式，需要单独设置。

因此，“speaks many more languages”可以翻译为“支持更多可选语言”，不能翻译为“自动识别更多语言”。前者是语言清单扩大，后者是未提供的路由能力。两者对体验差异很大：在多人、多语言或临时切换场景中，用户仍需先发出切换指令；如果系统识别错当前语言，不能假设它会自行纠正。

语言数量也不能替代质量指标。官方没有提供各语言的语音识别错误率、口音覆盖、响应延迟或代码切换成功率。11 种说明可用范围，不说明等质量。尤其在邮件、会议安排和外部文档这类工具动作中，人名、日期与专有名词的识别错误会从对话瑕疵变成执行风险。

用量、端侧与聊天记录

这次 beta 面向所有 chat 用户，覆盖 mobile、desktop、web 3 类入口，官方称在手机上体验最佳。移动端适合通勤、走动和双手被占用的场景；桌面端与 Web 则让语音可以贴近邮件、日历和文档工作流。覆盖三端并不改变方案权益：Free 仍是 Haiku 与一个连接工具，付费方案才可访问扩展模型和全部已连接工具。

语音对话计入常规用量限制，不是独立于文本额度之外的免费通道。更强模型、长对话和多个工具会如何折算用量，官方页面没有公布统一换算表。用户在达到方案用量限制后，语音模式也可能停止响应；因此，复杂语音任务能否稳定完成，既取决于模型能力，也取决于方案额度。

帮助中心说明，音频对话的文字转录会像普通文本聊天一样保存在聊天历史中。对个人用户，这有助于语音和文字之间延续上下文；对企业用户，它同时带来记录保留、敏感信息和访问控制问题。团队需要明确哪些口头信息可以进入聊天历史，连接工具返回的数据是否被写入转录，以及管理员能否检索工具调用记录。

Enterprise 所需的控制仍有公开缺口。帮助中心称企业所有者若希望禁用语音模式，需要联系支持；公告没有给出管理员自助开关、连接器白名单、按工具风险分级或可导出审计日志的完整说明。对消费级 beta，这些缺口不妨碍试用；对受监管团队，它们会决定语音工具调用能否从个人效率功能进入组织工作流。

后续验证重点

• 比较 Opus、Sonnet、Haiku 在同一语音任务中的首字延迟、打断恢复、总用量与完成质量，判断扩展模型的实际代价。
• 观察工具许可是否会显示目标账户、动作类型和关键参数，尤其是发信、改日历与写入文档之前的确认信息。
• 核对企业管理员能否直接禁用语音、限制连接器、导出工具调用日志，并设置敏感数据保留策略。
• 等待 Anthropic 公布非英语语音评测，至少包括识别错误率、口音覆盖、语言切换成功率和专有名词表现。
• 跟踪 beta 转稳定版本的时间，以及自动语言检测是否上线；在此之前，多语言使用仍依赖口头或手动切换。