OpenAIは水曜日、全二重音声モデルGPT-Live-1とGPT-Live-1 miniを発表し、旧バージョンのAdvanced Voice Modeを置き換えます。複雑なタスクは今年4月に発表されたGPT-5.5に委任されます。 （前回のあらすじ：Google翻訳がアップデート：Gemini 3.5がリアルタイム音声通訳の気まずい停頓を解消） （背景補足：2分でAIカスタマーサポートを構築！xAIがノーコードのVoice Agent Builderを公開、音声スコアでOpenAIを凌駕）
2年にわたる「たらい回し式」対話に終止符を打ち、OpenAIは水曜日、ChatGPTに一つのことを教えました：同時に聞く＋話すこと。新しい音声モデルGPT-Liveは、旧バージョンの沈黙による順番判断ロジックを捨て、全二重（full-duplex）アーキテクチャを採用しました。
GPT-Live-1とGPT-Live-1 miniは本日よりiOS、Android、ChatGPT.comでグローバルに利用可能になり、GPT-Live-1はGo、Plus、Proの有料ユーザーのデフォルト音声モデルとなり、GPT-Live-1 miniは無料ユーザーに提供されます。APIは開発者向けウェイティングリストでの提供となります。これは2年以内でChatGPT音声技術の3度目の刷新であり、OpenAIが最も明確に示した姿勢です：音声はもはやテキストチャットボットの付加機能ではなく、人間とAIの対話の主要インターフェースとなるべきものなのです。
OpenAIは研究ブログで、GPT-Liveは入力を処理しながら同時に出力を生成し、モデルは毎秒複数のインタラクション判断を行い、発言すべきか、聞き続けるか、一時停止するか、割り込むか、ツールを呼び出すかを判断すると述べています。ある研究者はXで旧バージョンの体験を「たらい回し式」と表現し、一度に一人しか話せず、話し終わってから次の人が順番を待つと説明しました。
これこそが旧バージョンのAdvanced Voice Modeの致命的な欠点です。OpenAIは、沈黙によって順番を判断しているため、短い間や背景ノイズがユーザーが話し終えたと誤認され、モデルが不自然なタイミングで無理やり割り込む原因になると認めています。
GPT-Liveのもう一つの重要な設計は、「音声対話層」と「推論層」を分離したことです。簡単な質問はGPT-Liveが直接回答し、ネット検索や深い推論、複数ステップのタスクが必要な場合は、バックグラウンドで実行される最先端モデルに作業を委任します。リリース時は今年4月に発表されたGPT-5.5で、計算中もユーザーとの対話を続け、旧パイプラインのような数秒の空白は発生しません。
これはモジュール化設計であり、知能をアップグレードする際に音声モデル自体を再訓練する必要がないという利点があります。音声エージェントをデータベースや検索、複数ステップのタスクに接続したい企業や開発者にとって、これこそが真のハードル低下です。
新バージョンにはさらに2つの小機能が追加されました：会話中に天気、株価、スポーツスコア、地図などのビジュアルカードがリアルタイムで表示され、ユーザーはInstant（即時）、Medium（中程度）、High（複雑）の3つの推論レベルを自分で切り替え、音声の応答速度を優先するか、回答の正確さを優先するかを選択できます。言い換えれば、速さと正確さは二者択一ではなく、ユーザー自身がそのバランスを調整できるのです。
OpenAIはまた、この機会に音声ラインナップを一新し、9つの音声は「会話のために設計され、声の模倣ではない」と強調し、人間の声を模倣することを防ぐ保護機能を追加しました。これはある意味、2年前の過去のトラブルに対応したものです。2024年5月にGPT-4oが発表された際、音声「Sky」が映画『Her』の吹き替え声優スカーレット・ヨハンソンに酷似していると指摘され、彼女自身がサム・アルトマンからの吹き替え依頼を断ったことを認め、製品リリース後に衝撃と怒りを表明しました。OpenAIは後にその音声を削除し謝罪しました。
831.25K 人気度
196.46K 人気度
70.39K 人気度
1.38M 人気度
943.21K 人気度
OpenAI、GPT-Liveを公開：同時に聞き話すことが可能で、まるで人間のような会話体験を実現
OpenAIは水曜日、全二重音声モデルGPT-Live-1とGPT-Live-1 miniを発表し、旧バージョンのAdvanced Voice Modeを置き換えます。複雑なタスクは今年4月に発表されたGPT-5.5に委任されます。 （前回のあらすじ：Google翻訳がアップデート：Gemini 3.5がリアルタイム音声通訳の気まずい停頓を解消） （背景補足：2分でAIカスタマーサポートを構築！xAIがノーコードのVoice Agent Builderを公開、音声スコアでOpenAIを凌駕）
2年にわたる「たらい回し式」対話に終止符を打ち、OpenAIは水曜日、ChatGPTに一つのことを教えました：同時に聞く＋話すこと。新しい音声モデルGPT-Liveは、旧バージョンの沈黙による順番判断ロジックを捨て、全二重（full-duplex）アーキテクチャを採用しました。
GPT-Live-1とGPT-Live-1 miniは本日よりiOS、Android、ChatGPT.comでグローバルに利用可能になり、GPT-Live-1はGo、Plus、Proの有料ユーザーのデフォルト音声モデルとなり、GPT-Live-1 miniは無料ユーザーに提供されます。APIは開発者向けウェイティングリストでの提供となります。これは2年以内でChatGPT音声技術の3度目の刷新であり、OpenAIが最も明確に示した姿勢です：音声はもはやテキストチャットボットの付加機能ではなく、人間とAIの対話の主要インターフェースとなるべきものなのです。
旧音声はなぜいつも割り込むのか？
OpenAIは研究ブログで、GPT-Liveは入力を処理しながら同時に出力を生成し、モデルは毎秒複数のインタラクション判断を行い、発言すべきか、聞き続けるか、一時停止するか、割り込むか、ツールを呼び出すかを判断すると述べています。ある研究者はXで旧バージョンの体験を「たらい回し式」と表現し、一度に一人しか話せず、話し終わってから次の人が順番を待つと説明しました。
これこそが旧バージョンのAdvanced Voice Modeの致命的な欠点です。OpenAIは、沈黙によって順番を判断しているため、短い間や背景ノイズがユーザーが話し終えたと誤認され、モデルが不自然なタイミングで無理やり割り込む原因になると認めています。
誰が話し、誰が考えるのか？
GPT-Liveのもう一つの重要な設計は、「音声対話層」と「推論層」を分離したことです。簡単な質問はGPT-Liveが直接回答し、ネット検索や深い推論、複数ステップのタスクが必要な場合は、バックグラウンドで実行される最先端モデルに作業を委任します。リリース時は今年4月に発表されたGPT-5.5で、計算中もユーザーとの対話を続け、旧パイプラインのような数秒の空白は発生しません。
これはモジュール化設計であり、知能をアップグレードする際に音声モデル自体を再訓練する必要がないという利点があります。音声エージェントをデータベースや検索、複数ステップのタスクに接続したい企業や開発者にとって、これこそが真のハードル低下です。
新バージョンにはさらに2つの小機能が追加されました：会話中に天気、株価、スポーツスコア、地図などのビジュアルカードがリアルタイムで表示され、ユーザーはInstant（即時）、Medium（中程度）、High（複雑）の3つの推論レベルを自分で切り替え、音声の応答速度を優先するか、回答の正確さを優先するかを選択できます。言い換えれば、速さと正確さは二者択一ではなく、ユーザー自身がそのバランスを調整できるのです。
OpenAIはまた、この機会に音声ラインナップを一新し、9つの音声は「会話のために設計され、声の模倣ではない」と強調し、人間の声を模倣することを防ぐ保護機能を追加しました。これはある意味、2年前の過去のトラブルに対応したものです。2024年5月にGPT-4oが発表された際、音声「Sky」が映画『Her』の吹き替え声優スカーレット・ヨハンソンに酷似していると指摘され、彼女自身がサム・アルトマンからの吹き替え依頼を断ったことを認め、製品リリース後に衝撃と怒りを表明しました。OpenAIは後にその音声を削除し謝罪しました。