OpenAI が新音声モデル GPT-Live-1 と GPT-Live-1 mini をリリースした。最大の特徴は「フルデュプレックス」アーキテクチャで、従来の音声 AI では音声認識→テキスト生成→音声合成の流れが順序立てて実行されていたが、GPT-Live では 同時にリッスンとスピークが可能。ChatGPT ユーザーの「話している途中での割り込み」や「自然なやり取り」への期待が現実化する。

従来の音声 AI との差異

従来の OpenAI ChatGPT Voice は音声認識と合成の間で遅延が生じ、ユーザーが話終わるのを待つ設計だった。GPT-Live は GPT-5.5 と統合され、会話がレイテンシーなく進む。会話の途中で AI が応答を開始でき、ユーザーが割り込むことも可能。

利用可能性と提供層

  • GPT-Live-1 mini: ChatGPT 無料ユーザー向け、デフォルトで利用可能
  • GPT-Live-1: ChatGPT Plus / Pro ユーザー向け、7 月中に一般向けリリース予定
  • API アクセス: 開発者向け API は同時期に提供開始予定

長時間会話と文脈保持

会話時間は従来の数分制限から 30～40 分 に拡張。AI は「話されていない沈黙の時間」でも会話の文脈を保持し、より自然な応答が可能になった。例えば、ユーザーが数秒間沈黙した後に発言しても、AI はその間の会話流れを理解して継続する。

ライブ翻訳機能とまだ改善中の領域

ライブ翻訳機能も搭載されたが、テスト段階ではヒンディー語での翻訳が「不自然な響き」との評価を受けており、多言語対応はまだ開発途上。今後のアップデートで精度向上が期待される。

「自分ごと」としての新しい使い方

従来の テキストベースの ChatGPT や DALL-E との違いは、リアルタイム会話がより人間らしくなる という点。複雑な質問を音声で長時間かけてリサーチできるようになり、「考えながら会話する」という学習・相談のワークフローが ChatGPT 内で完結する。特に通勤時間や運転中といった「テキスト入力が難しい場面」での AI 活用が一気に現実的になる。