OpenAI GPT-Live、ChatGPTにフルデュプレックス音声会話を導入

OpenAIは2026年7月8日にGPT-Liveを発表しました。今週のAI製品アップデートの中でも、引き続き注目すべき発表です。新しいモデル群は刷新されたChatGPT Voiceを支え、聞くことと話すことを同時に行い、割り込みをより自然に扱い、会話を止めずに難しい処理を高性能な推論モデルへ任せられます。

提供されるのは、有料の個人向けプラン用のGPT-Live-1と、Freeユーザー用のGPT-Live-1 miniです。単なる音質改善ではありません。音声対話を硬いターンの繰り返しから連続的な会話へ変え、別のAIシステムがバックグラウンドで作業している間も応答を続けられるようにする更新です。

ChatGPT Voiceで変わったこと

従来の音声アシスタントは、利用者が話し終わるのを待ち、音声を文字に変換し、回答を生成してから読み上げるのが一般的でした。新しい音声対音声システムでも、一問一答の構造が残ることがあります。短い間を発話の終わりと誤認したり、途中の割り込みが不自然になったりする問題がありました。

GPT-Liveはフルデュプレックス構成を採用し、出力を生成しながら入力を継続的に処理します。そのため、聞き続ける、話し始める、一時停止する、止まる、ツールを呼び出すといった判断を1秒間に何度も行えます。訂正のために話を遮る、考えるために間を置く、速度を落とすよう頼む、回答せずに聞くよう指示するといった操作が自然になることが期待されます。

OpenAIは新システム向けにChatGPTの9種類の音声も作り直しました。ただし、本質的な変化は声質よりもタイミングです。相づち、沈黙、発話交代が、別の無音検出機能だけでなくモデル自身の振る舞いになります。

難しい処理はGPT-5.5へ委任

リアルタイムの会話と深い推論では、求められる性能が異なります。GPT-Liveが即時の対話を担当し、難しい依頼はバックグラウンドでGPT-5.5へ委任できます。OpenAIによると、検索、推論、複雑な処理が進んでいる間も、音声モデルは会話の流れを維持できます。

提供開始時のInstant体験ではGPT-5.5 Instantが背後で使われます。MediumとHighの推論設定では、より多くの推論時間を使うGPT-5.5 Thinkingを利用できます。この分離により、速い音声応答と高品質な回答のどちらか一方だけを選ぶ必要がなくなります。会話は素早く続けながら、別のモデルが難しい部分を処理できます。

ChatGPT Voiceはウェブ検索、メモリ、画像、ファイルのアップロードにも引き続き対応します。音声で話している間に、天気、株価、スポーツ、地図など対応する話題の視覚的なカードを表示できます。音声と同時にテキストもストリーミングされるため、聞くより読んだ方が確認しやすい結果にも対応できます。

提供範囲と現在の制限

GPT-Liveは、対応地域のChatGPT.com、iOS、Androidアプリで順次展開されています。GPT-Live-1はGo、Plus、Proユーザーの標準音声モデルとなり、FreeユーザーにはGPT-Live-1 miniが標準で提供されます。

すべてのワークスペースが対象ではありません。OpenAIの現在のChatGPTリリースノートでは、提供開始時点でBusiness、Enterprise、Eduワークスペースは対象外です。新しい体験は動画と画面共有にもまだ対応していません。これらの機能が必要な対象加入者は、従来のAdvanced Voice Modeを引き続き利用できます。

言語によって品質が異なる可能性もあります。OpenAIは利用の多い複数言語向けに最適化したと説明していますが、一部では母語話者らしくないアクセントや流ちょうさの不足が残る場合があります。多言語対応を評価する際は、実際に必要な言語、アクセント、周囲の騒音、タスクを使って確認すべきです。

GPT-Liveを実用的に試す方法

会話のタイミングが重要な作業が、特に適しています。語学学習者は台本のない会話を練習し、途中で表現について質問できます。面接の準備では、各回答に基づく追加質問を依頼できます。料理中、移動中、両手がふさがっている場面でも、会話を続けながら調査を頼めます。

評価では、考えている間を待てるか、割り込み後に正しく再開できるか、周囲の会話と利用者の声を区別できるか、委任した検索結果を正確に返せるかを確認するとよいでしょう。ストリーミング文字と視覚カードが、複雑な回答の検証を本当に容易にするかも重要です。

GPT-Liveが音声AIにもたらす意味

より大きな変化は、音声が単なる入出力機能からオーケストレーション層になることです。リアルタイムモデルが人との会話を管理し、専門モデル、検索ツール、エージェントが背後で作業します。この構成は将来、長時間のカスタマーサポート、ハンズフリー調査、リアルタイム翻訳、学習支援、エージェント型ワークフローを、無言の待ち時間なしで実現する可能性があります。

OpenAIはAPI提供を計画していますが、最初のChatGPT展開には含まれません。開発者は、ChatGPT利用者が今使える機能と、自社製品へ将来組み込める機能を分けて考える必要があります。

利用者にとっての焦点は、GPT-Liveによって音声AIが操作しやすくなり、実務で役立つかどうかです。声が人間らしく聞こえるかだけではなく、聞き取り、割り込み、推論、視覚出力が安定して連携するかが評価を左右します。