OpenAI が音声モード「ChatGPT Voice」をデスクトップアプリに正式に追加しました。これまでモバイルアプリに限定されていた音声機能が、Windows・macOS でも利用可能になり、ユーザーはコンピュータの前から音声でチャットボットにタスクを指示できるようになります。

デスクトップ版 ChatGPT Voice で何ができるか

新しい ChatGPT Voice デスクトップ対応により、ユーザーは音声でエージェント機能を完全に制御できるようになりました。

利用可能な機能：

  • ChatGPT Work との連携：企業ユーザー向けモデルへのアクセス
  • Codex へのアクセス：OpenAI の開発者向けツールと統合
  • 複合タスク実行：複数ステップの指示を音声で一度に指示可能（例：「新しいスレッドを作成して、プルリクエストを作成し、バグの根本原因を特定して」）
  • Computer Use 連携：音声指示でウェブサイトやアプリケーションを操作

プラットフォーム対応の拡大

macOS での特別機能

macOS デスクトップ版では「Appshots」という新機能が搭載されます。これにより、音声で指示を出す際にスクリーン上の視覚情報（アプリケーションのスクリーンショットやテキスト）を ChatGPT が自動的に読み込むことができるようになります。ユーザーが「このエラーメッセージを見て」と言うと、AI がスクリーンショットの内容を直接把握できるわけです。

iOS 経由のアクセス

iOS アプリから Codex へのリモートアクセスも開始され、iPhone 上から音声で Codex の機能を制御できるようになります。

サポート対象の OS

  • macOS：全バージョン
  • Windows：全バージョン
  • iOS：リモートアクセス経由で Codex 機能にアクセス可能

新しい音声モデル「ChatGPT-Live」

音声機能は新しいモデル「ChatGPT-Live」で駆動されます。このモデルは、より自然な双方向会話を実現し、複雑な指示理解と応答の流暢性を改善しています。

開発者にとっての意味

開発ワークフローの変化：

従来、開発者は IDE やコマンドラインを使いながら AI アシスタントにテキストで指示していました。デスクトップ版 ChatGPT Voice の登場により、キーボードから手を離さずに音声で AI エージェントにコンピュータ操作を指示できるようになります。

デモでは「新しいスレッドを立ち上げ、GitHub でプルリクエストを作成し、テストを実行して、バグの根本原因を特定する」という複雑なワークフロー全体を、開発者が自然な会話調で指示している様子が示されました。

競合状況

Anthropic の Claude も音声モード（Opus・Sonnet モデル対応）をリリースしており、Google の Gemini Live も段階的に展開中です。OpenAI がデスクトップに拡大することで、音声ベースの AI インタラクションは、スマートフォンからデスクトップまで全デバイスをカバーする時代に入りました。

ユーザー体験への影響

この機能拡大は、特に以下のユーザーグループに影響を与えます：

  • 開発者：キーボード不要でコンピュータ操作が可能に
  • 企業ユーザー：会議中やマルチタスク中に音声で指示
  • 身体障害者：キーボード・マウスに依存しない操作方法の確保

デスクトップでの利用は、モバイルよりも複雑なタスク実行が増えることが予想され、AI エージェントの実用性を大きく広げる一歩となりそうです。