チャットGPTのアップグレードされた音声モードは、より静かに話すことに長けている
OpenAI は ChatGPT の音声モードを「GPT-Live-1」へ大幅にアップグレードし、双方向通信やリアルタイム翻訳機能を追加することで、人間との対話体験を劇的に向上させた。
キーポイント
双方向通信（フルデュープレックス）の実現
従来の一方通行モデルから、同時に話し聞きができる「フルデュープレックス」モデルへ進化し、自然な会話フローと中断制御が可能になった。
高度な推論と検索機能の統合
複雑な質問には GPT-5.5 などの上位テキストモデルを自動呼び出し、調査から会話への移行を高速化し、回答精度を高めた。
リアルタイム翻訳と視覚的補完
話しながらの即時翻訳や、天候・株価・スポーツなどの話題に対して AI が生成した視覚情報を会話中に即座に表示する機能が追加された。
影響分析・編集コメントを表示
影響分析
このアップデートは、音声 AI の実用性を「単なるコマンド実行」から「自然な対話パートナー」へと転換させる重要なマイルストーンです。特に双方向通信とリアルタイム翻訳機能の強化により、通訳や教育、顧客対応などの現場での導入障壁が下がり、AI 音声インターフェースの標準的な利用形態を再定義する可能性があります。
編集コメント
音声 AI の最大の課題であった「間」の処理や、聞きながら話す同時性の解決は、ユーザー体験を飛躍的に向上させる決定的な要素です。今後はこの技術がどのように他のデバイスやサービスに組み込まれていくかが注目されます。
Emma Roth
ストリーミング戦争、消費者向けテクノロジー、暗号資産、ソーシャルメディアなどを担当するニュースライターです。以前は MUO でライターおよび編集者を務めていました。
OpenAI は、ChatGPT の音声モードを一新し、新しいモデルを導入しました。同社はこれを「他人と会話しているような感覚」に近づけるものとしています。新モデルの GPT-Live-1 は、ユーザーの発言を邪魔することが少なく、会話中に一時停止した場合も、ユーザーが話し続けるのを待ってくれるように設計されています。
記者説明会で OpenAI の研究責任者である Kundan Kumar 氏は、GPT-Live-1 を同社迄今为止で「最も賢い音声モデル」と呼びました。推論やウェブ検索が必要な場合、このモデルは自動的に GPT-5.5 などの最良のテキストモデルにクエリを転送し、質問されたトピックの調査からその結果についての会話へと迅速に移行できるようにします。また、このアップグレードされたモデルは、天気、株価、スポーツに関する会話に、AI が生成した視覚情報を追加して補完します。これには、スポーツのスコアや今週の予報などに関連する情報が含まれます。
ChatGPT は以前、古いターンベース型の音声モデルに依存しており、必ずしも正確な回答を生成できず、自然な会話の流れを維持することに苦労することもありました。「これはフルデュプレックスモデルです」と、OpenAI の製品責任者である Atty Eleti 氏は説明会で述べています。「つまり、同時に話しかけたり聞いたりできるということです。… モデル側では、入力ストリームを処理し、出力ストリームを連続的かつ同時に生成することができます。」
この設定により、ChatGPT の音声モードにリアルタイム翻訳などの新機能が追加されました。以前は話すのを止めてから翻訳が行われていましたが、今では話している最中に ChatGPT が翻訳を行います。また、呼び出されるまで話さないように ChatGPT Voice に指示することも可能になり、OpenAI によるとこれは以前は不可能でした。ChatGPT は「mhmm」や「yeah」、「got it」といった表現で、自分が聞き取っていることを示します。
OpenAI は、有害な回答を回避したり、「リスクが高い」状況ではチャットを完全に終了させたりするために、組み込みの安全対策を追加したと注記しています。
原文を表示
Emma Roth
is a news writer who covers the streaming wars, consumer tech, crypto, social media, and much more. Previously, she was a writer and editor at MUO.
OpenAI is overhauling ChatGPT’s voice mode with a new model that it says is more like “talking to another person.” The new GPT-Live-1 is designed to interrupt you less and will also wait for you to continue speaking if you pause mid-conversation.
During a press briefing, OpenAI research lead Kundan Kumar called GPT-Live-1 the company’s “smartest voice model” yet. It will automatically pass your queries to its best text models, like GPT-5.5, when it needs to reason or search the web, allowing it to more quickly transition from researching the topic you’ve asked about to talking about its findings. The upgraded model will also supplement conversations about the weather, stocks, and sports with AI-generated visuals showing relevant information like sports scores or this week’s forecast.
ChatGPT previously relied on an older, turn-based voice model, which didn’t always produce accurate answers and sometimes struggled to maintain a natural conversational flow. “This is a full duplex model,” OpenAI product lead Atty Eleti said during the briefing. “What it really means is that it can speak and listen at the same time. … From the model side, it can process the stream of inputs and produce the stream of output continuously and simultaneously.”
This setup opens up new features for ChatGPT’s voice mode, such as real-time translation. Now, instead of waiting until you stop talking to translate your speech, ChatGPT can translate while you talk. You can also now ask ChatGPT Voice to stop talking until it’s called on, which OpenAI says wasn’t possible before. It will acknowledge that it’s listening with phrases like “mhmm” or “yeah” and “got it,” too.
OpenAI notes that it has added built-in safeguards that steer the model away from harmful responses or end chats completely in “higher-risk” situations.
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