OpenAI、ChatGPTに音声制御機能

2026年7月24日木曜日、OpenAIはChatGPTデスクトップアプリのアップデートを発表し、ChatGPT Voiceという新しい音声制御機能を統合した。これは同社が同月初旬にローンチしたChatGPT-Liveファミリーの音声モデルを搭載している。この機能により、ユーザーは音声コマンドでAIエージェントを操作し、コンピュータ上でタスクを直接実行できる。

デスクトップ版のChatGPT Voiceはスマートフォン版より強力である。スマートフォン版は滑らかな会話と割り込み処理向上で起動したが、アクション実行機能がなかった。デスクトップ版は複数ステップにわたる複雑なコマンドを処理でき、対話性を維持する。ChatGPTは作業中にユーザーに確認や追加入力を求めることができる。デモ動画では、開発者が単一の音声コマンドでChatGPTに新しいスレッド作成、プルリクエスト作成、バグの根本原因特定を依頼する様子が示された。この機能はChatGPT WorkとCodexと互換性があり、Webサイトやアプリにアクセスでき、macOSシステムではAppshopsが有効な場合、ユーザーの画面（代替テキスト含む）にアクセスできる。iOSユーザーはデスクトップまたはWebセッションへのリモートアクセス経由でCodexのChatGPT Voiceにもアクセスできる。

ロールアウトは木曜日から全世界で有効である。別途、AnthropicはClaudeの音声モードをアップデートし、Opus、Sonnet、Haikuモデルを活用し、Gmail、Calendar、Slack、Notion、Canvaを含むプロダクティビティアプリケーションでタスク完了を実現している。これは主要なAIラボが音声駆動型エージェント機能をプラットフォームに埋め込む競争を繰り広げていることを示唆している。

OpenAIがChatGPT Voiceをデスクトップアプリに展開したことは、ナレッジワーカーと開発者向けの音声優先インタラクションへのシフトを示している。同社は7月初旬にスマートフォンアプリでChatGPT Voiceを導入したが、その版はより滑らかな会話と割り込み処理に限定されていた。木曜日のデスクトップアップデートはその制限を取り除いた。機能は複雑で複数ステップの指示を処理し、バックアンドフォースの調整を可能にするようになった。OpenAIのデモでは、開発者が単一の音声プロンプトでプルリクエストとバグ調査を統制する様子が示されている。

競争環境もこの勢いを反映している。AnthropicはClaudeの音声モードをアップデートし、推論モデル（Opus、Sonnet、Haiku）で動作させ、SlackやNotionなどのワークプレイスアプリと統合するよう動いている。両者のシフトは、音声がエージェントAIの主要なインターフェイスになりつつあることを示唆している。複数のアプリケーションとワークフロー全体でユーザーの代わりに行動できるシステムである。グローバルロールアウトとクロスプロダクト対応（ChatGPT Work、Codex、リモートiOSアクセス）は、OpenAIが音声制御を周辺的なアドオンではなく、生産性の中核機能として捉えていることを示している。

まだコメントがありません。最初のコメントを投稿しましょう！