OpenAI、新音声モデル「GPT-Live-1」を発表 ― 1.5億人が使う音声機能を刷新
OpenAIは、2026年7月8日、ChatGPTの音声機能を刷新する新モデル「GPT-Live-1」と「GPT-Live-1 mini」を発表した。同社は、1億5000万人以上がすでに音声・ディクテーション機能を通じてChatGPTと会話していると明かしており、既存機能を置き換える形での大型アップデートとなる。今回の発表は、AppleやAmazon、スタートアップのSesameなど、音声インターフェースを巡る競争が激しさを増す中で行われた。本稿では、TechCrunchの報道をもとに、新モデルの特徴と業界の動きを整理する。
https://openai.com/ja-JP/index/introducing-gpt-live/
1. 「同時に話し、同時に聞く」フルデュプレックス設計
新モデルの最大の特徴は、「フルデュプレックス」、つまり、同時に発話と聞き取りができる点にある。これにより、ユーザーが自然に割り込んで話すことができ、リアルタイム翻訳のような機能も実現可能になるという。
従来のOpenAIの音声機能は、音声をテキスト化する音声認識モデル、回答を生成する大規模言語モデル、そして、テキストを音声に変換する読み上げモデルという3段階の異なるモデルを組み合わせる方式だった。OpenAIは、記者向けブリーフィングで、この構成が「ユーザーの発話中に割り込んでしまう」「質問に十分な知性で答えられない」といった課題を抱えていたと説明し、新モデルはこれらを解決するものだと述べた。
2. ChatGPTの標準音声モードを置き換え、上位モデルとも連携
OpenAIは、ChatGPT内の現行の「Advanced Voice Mode」を、標準では新モデル「GPT-Live-1 mini」に置き換えるとしている。有料プランのユーザーは、より高性能な「GPT-Live-1」にアクセスできるようになる。
新しい音声モードは、検索や推論、エージェント的なタスクが必要な場面では、最新のテキストモデル「GPT-5.5」にクエリを送りながら会話を継続する仕組みを備えているという。また、会話の文脈を長時間保持しながら沈黙を保ち、必要なタイミングで応答に加わることも可能で、視覚的な情報を提示する機能も持つとされる。
音声プロダクトのリード担当であるアッティ・エレティ氏は、ブリーフィングの中で「散歩をしながら音声機能と30〜40分の会話をしたことがある」と述べ、長時間の対話を前提に設計されていることを強調した。
3. 「音声こそが将来のコンピューティングの主要インターフェース」
OpenAIは、音声が複雑な業務を扱う際の主要なインターフェースになり得るとの見方を示している。エレティ氏は「私たちは、音声が長時間にわたる複雑なエージェント的作業を管理するための、コンピューティングへの主要なインターフェースになると考えている。CodexやChatGPTで人々が実現している素晴らしいユースケースは、音声がその未来のインターフェースになり得ると考えている」と述べた。
なお、同社は年内にAI機能を備えたイヤホン型デバイスを発売する可能性が報じられているが、今回のブリーフィングではハードウェア製品についての情報は明らかにされなかった。
4. 「AIコンパニオン」化は否定、安全面の配慮も明記
OpenAIは、新しい音声モードがより自然に聞こえることを強調する一方で、これを「AIコンパニオン」にすることは目指していないと明言している。同社によれば、新モデルには10代のユーザーに対して年齢相応の応答を行う仕組みや、自傷行為など深刻な話題に会話が及んだ際にリソースを提示する安全機能が組み込まれているという。
一方で、デモでは、ヒンディー語のリアルタイム翻訳機能を披露した際、AIの発音に強いアメリカ訛りが残り、やや不自然で書き言葉的な話し方になっていたことも報告されている。OpenAIは、新モードが「主要な話し言葉の大部分」に最適化されていると説明したが、具体的にどの言語かは明らかにしていない。
5. Apple・Amazon・Sesameも音声アシスタント強化を加速
音声インターフェースを巡る競争は業界全体に広がっている。Appleは、最新のiOS 27ベータでSiriの話す速度や表現力をカスタマイズ可能にし、Amazonの音声アシスタント「Alexa+」は、米国内で全ユーザーに提供が始まっている。また、Oculus共同創業者のブレンダン・イリベ氏らが手がけるスタートアップSesameも、バックグラウンドでタスクをこなしながらより自然な会話を実現するAIアシスタントを今年発表している。
