音声・スピーチ

主要ニュース

1. 1

   OpenAI、ChatGPTに音声制御機能

   OpenAIは木曜日にChatGPTデスクトップアプリをアップデートし、ChatGPT Voiceに対応させた。ユーザーは音声コマンドでAIエージェントを操作し、コンピュータ上のタスクを実行できるようになった。この機能はChatGPT-Liveの音声モデルを使用し、ChatGPT WorkとCodexの両方で機能するほか、Webサイト、アプリ、およびmacOSではAppshopsを経由して画面コンテンツにアクセスできる。 デスクトップ版は今月上旬にリリースされたスマートフォン版より機能が充実している。複雑な複数ステップのコマンドを音声で指示でき、ChatGPTと対話的にやり取りして確認を取ることができる。OpenAIのデモでは、開発者が単一の音声コマンドでスレッド作成、プルリクエスト作成、問題のデバッグをChatGPTに指示する様子が示された。これは音声制御が開発者とオフィスワーカーのマシンとの相互作用を大きく変える可能性を示唆している。

   ロールアウトは木曜日から全世界で実施される。ユーザーはiOSからリモートアクセス経由でCodexのChatGPT Voiceにもアクセスできる。Anthropicも同様にClaudeの音声モードをアップデートし、OmniusモデルのOpus、Sonnet、Haikuで、Gmail、Calendar、Slack、Notion、Canvaのタスクに対応させた。

2. 2

   Claude音声モード、OpusとSonnetに拡大

   Anthropicが音声モード対応を、それまでのHaikuに限定されていたOpusとSonnetモデルに拡張した。モバイル、デスクトップ、ウェブ上で会話中のモデル切り替えが可能になり、11言語に対応。GmailやGoogle Calendar、Slackなどのツール連携により、音声でメール作成・送信ができる。 Claudeの音声モードがOpenAIのGPT-LiveやGoogleのGemini Liveと直接競争するようになった。これらの競合サービスは全二重音声（同時会話と聴取）で自然な対話体験を実現している一方、Claudeはターンベース方式を採用し、ツール連携で差別化している。現在のところ、音声モード内で直接メール作成・保存できるのはClaudeのみだ。

   ユーザーは音声会話中に使用するClaudeモデルを選択でき、言語も柔軟に切り替えられる。タスクに応じてスピードと能力のバランスを自在にコントロールできる。

3. 3

   OpenAI、GPT-Liveをコーディング統合

   OpenAIは、リアルタイムで聴きながら話すことができるフルデュプレックス音声モデルのGPT-Liveが、macOSとWindows向けのChatGPTデスクトップアプリケーションに統合され、CodexやChatGPT Workなどのエージェント型コーディングシステムに直接組み込まれたことを発表した。 ソフトウェアエンジニアは、マルチスレッドコーディングジョブの調整、プルリクエストの確認、アプリケーションのデバッグをタイピングの代わりに自然音声コマンドで実行でき、ハンズフリーのソフトウェア開発ワークフローの実現が可能になる。

   GPT-Liveは2026年7月8日に初めてローンチされ、デスクトップへの統合はそのデビューから2週間後であり、フルデュプレックス音声を開発者向けツールに統合した初の事例となる。

4. 4

   ChatGPT Voice、デスクトップで利用可能に

   OpenAIがデスクトップおよびノートパソコン向けにChatGPT Voiceをリリースした。今月モバイルで展開したGPT Liveという音声技術をデスクトップに拡張したもので、ユーザーは意識の流れのままにChatGPTに話しかけることで、カレンダー確認、メール確認、文書作成といった複数のタスクをバックグラウンドで処理させながら、他の作業に集中できる。 このデスクトップ版はソフトウェアプログラマーと大量のAIトークンを消費するユーザーという、AI市場で最も利益率の高いセグメントをターゲットにしている。この機能はOpenAIのプログラミング製品Codex（7月9日にChatGPT Workに統合）と直接統合され、ユーザーはコーディング中に他のアプリケーションでホットキーをセットしてボイスコマンドをトリガーでき、開発者とAIの相互作用の摩擦が大幅に軽減される。

   OpenAIは競争激化するAI市場で音声を競争力として位置づけている。ブルームバーグ報道によると、同社の近く発売予定のハードウェアデバイス（室内スピーカーと会話パートナー）がGPT Liveで動作する可能性がある。7月9日のChatGPT Work立ち上げ後、Codexは1000万ユーザーに達しており、開発者向けの勢いが強いことが示唆される。

5. 5

   Skipper、オフラインAIアシスタント

   Skipperはインターネット接続なしで動作するAIコンパニオン。音声対話、カスタマイズ可能なメモリ、HD画像認識、ローカルナレッジストレージを備え、船舶、辺地の住宅、車両、作業場、遠征、プライベート施設などのオフグリッド環境での使用を想定している。 インターネット接続が不安定または利用できない環境のユーザーは、クラウドサービスに依存することなくAIアシスタンス（音声リマインダー、マニュアル、安全手順、機器情報）にアクセス可能になる。すべての中核的な知能と情報はSkipperシステム内にローカル保存され、外部サーバーに依存しない。

   Skipperが船上、家庭内、モバイルシステムとの統合、ユーザー固有のコンテキストと個性の保持。専門的環境向けのカスタマイズ可能性とすべてのデータをローカル保存する点が、接続性に頼れない海運、辺地、野外作業ユーザーに訴求する。

6. 6

   Claude、音声モード拡大 OpusとSonnetに対応

   AnthropicがClaudeの音声モード機能をOpusとSonnetモデルに拡大し、Gmail、Slack、Canvaなどのアプリにも対応させました。これまで音声モードはより軽量なHaikuモデルのみで利用可能でした。 ユーザーが音声モードを実際のビジネス課題解決に使い始めたため、Haikuでは「会話は簡潔だが、必ずしも深くない」という限界が生じていました。OpusとSonnetは「難しい問題解決のために設計された」より強力なモデルで、複雑な分析や実行まで可能になります。

   フランス語、ドイツ語、スペイン語、ヒンディー語、インドネシア語、イタリア語、日本語、韓国語、ポルトガル語に対応が拡大され、英語以外の言語はベータ版から正式版に移行しました。テキストと音声モードの切り替えはいつでも可能です。