GPT‑Live の紹介：OpenAI が ChatGPT 音声モードのモデルを大幅にアップグレード
OpenAI はチャット GPT の音声モードを大幅にアップグレードし、複雑なタスクを背景で GPT-5.5 に委譲する「GPT-Live」機能を導入した。
キーポイント
GPT-Live の新機能とアーキテクチャ
音声モードが GPT-4o エラから更新され、複雑な推論や検索が必要なタスクを背景で GPT-5.5 に委譲し、会話のフローを維持しながら結果を返す仕組みとなった。
実用性の向上と使用感の変化
以前のモデルが知識カットオフや推論能力の弱さで使いにくかったが、新機能により長時間の会話（1 時間以上）が可能になり、ブレインストーミングパートナーとしての価値が高まった。
ユーザーフィードバックに基づく改善
プレビュー期間中に報告された「意図しない笑いの介入」といった不自然な挙動が修正され、より自然で礼儀正しい対話が可能になったことが確認されている。
影響分析・編集コメントを表示
影響分析
この発表は、AI アシスタントが単なる情報検索ツールから、複雑な推論を伴う継続的なパートナーへと進化することを示す重要な転換点です。特に、背景で最新モデルを動的に利用するアーキテクチャは、レスポンス速度と知能のバランスを最適化する新たな標準となり、音声 AI の市場競争力をさらに高めるでしょう。
編集コメント
音声 AI の実用性が飛躍的に向上する一方で、背後で GPT-5.5 が動いているという点は、コストとパフォーマンスの新たなトレードオフを示唆しています。
OpenAI *ついに*、ChatGPT 音声モードで使用されているモデルをアップグレードしました！
私は数週間前から iPhone アプリでプレビューアクセス権を持っており、新しいモデルは非常に印象的です。また、より困難なタスクについては GPT-5.5 に任せる機能も備えています：
ウェブ検索や深い推論、あるいはより複雑な作業を要する質問には、裏側で最新のフロンティアモデル（frontier model）に委任し、準備ができ次第その結果を会話に戻します。処理中は、GPT‑Live があなたと話し続け、会話を途切れさせることなく流れるように維持します。ローンチ時点では、GPT‑Live はバックグラウンドで GPT-5.5 を使用します。新しいフロンティアモデルがリリースされるたびに、GPT‑Live で使用されるモデルも継続的に更新されていきます。
以前の ChatGPT アプリの音声モードは、2024 年のどこかで知識のカットオフが行われた GPT-4o エラのモデルに基づいていました。私は主に、このモデルの古さと相対的な弱さが、ブレインストーミングパートナーとしての有用性を大きく制限していたため、音声モードの使用をほぼやめていました。
プレビュー期間中、非常にマニアックなバグに遭遇しました：モデルが私が言ったこと（冗談として意図したものではないもの）に対して笑うために私を中断するのです。失礼で高圧的に感じられ、OpenAI に報告したところ、私の知る限り彼らはいくつかの調整を行い、現在は発生しにくくなっています。
過去の会話記録を振り返ると、この部分が笑いの中断を引き起こしていたのだと思います：
では、夕暮れ前のような時間帯以外にフクロウはどこにいるのでしょうか？フクロウは確かに存在していますよね。それらは穴の中に隠れているのでしょうか？どこで身を潜めているのでしょう？
新しいモデルとの会話の中で最も長かったのは、犬の散歩をしながら（そしてペリカンの写真を撮る）1時間続いたものです。まだフクロウの写真は撮れていません。
Via Hacker News
Tags: text-to-speech, ai, openai, generative-ai, llms, multi-modal-output, llm-release, speech-to-text
原文を表示
OpenAI *finally* upgraded the model used by ChatGPT voice mode!
I've had preview access for a few weeks in the iPhone app, and the new model is very impressive. It also has the ability to spin off harder tasks to GPT-5.5:
For questions that require web search, deeper reasoning, or more complex work, it delegates to our latest frontier model behind the scenes and brings the result back into the conversation when it’s ready. While it works, GPT‑Live can keep talking with you and maintain the flow of conversation. At launch, GPT‑Live will use GPT‑5.5 in the background. As we release new frontier models, we’ll continuously update the model used by GPT‑Live.
The previous voice mode in the ChatGPT app was based on a GPT-4o era model, with a knowledge cut-off some time in 2024. I had mostly stopped using voice mode because the age and relative weakness of the model greatly limited how useful it was as a brainstorming partner.
During the preview period I encountered a pretty obscure bug: the model was interrupting me to laugh at things I said, which weren't even intended as jokes! It felt rude and condescending - I reported it to OpenAI and as far as I can tell they made some tweaks and it's now less likely to happen.
From looking back at my transcripts I think it was this bit that triggered the interrupting laugh:
so where are the owls when they're not, like before dusk? The owls exist, right? Are they hiding in holes? Where are they hiding?
My longest conversation with the new model has been a full hour while walking the dog (and taking photos of pelicans). I have not yet managed to take a photo of an owl.
Via Hacker News
Tags: text-to-speech, ai, openai, generative-ai, llms, multi-modal-output, llm-release, speech-to-text
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み