OpenAI近日宣布，其旗下产品ChatGPT迎来重要功能升级，用户现在可以通过语音或文字指令，让系统自动识别并填写上传表单中的内容，这一创新功能显著简化了表单处理流程。
在官方展示的演示场景中，用户上传了一份健身会员申请表，随后仅需口头说明姓名、住址及健身目标等关键信息，ChatGPT便迅速识别表单字段并完成自动填写。整个过程无需逐项手动输入，操作体验更接近与智能助手的自然对话。
该功能的核心突破在于整合了多模态交互能力。系统可同步处理上传图片中的视觉信息与用户语音指令，通过上下文理解生成符合要求的填写内容。例如在演示中，ChatGPT不仅准确识别了表单中的文本框位置，还能根据语音指令匹配对应字段，最终生成完整的表单数据。
完成基础填写后，系统还具备延伸创作能力。根据表单内容，ChatGPT可自动生成与健身计划相关的配图，为用户提供更直观的视觉参考。不过目前生成的图片均为静态格式，尚不支持直接编辑或转换为交互式文档，部分复杂场景仍需人工复核。
技术团队特别提醒，文件清晰度是影响功能效果的关键因素。当上传图片存在模糊、倾斜或字段重叠等情况时，系统可能出现识别错误。建议用户在使用前确保表单图像质量，以获得最佳体验。这一限制也反映出当前多模态技术在实际应用中仍需突破的瓶颈。
