何が起きたか
OpenAIは新世代音声モデルGPT-Liveを発表し、本日からChatGPTユーザー向けに全世界で展開を開始。GPT-Live-1とGPT-Live-1 miniの2種類を提供する。
なぜ重要か
GPT-Liveは全二重アーキテクチャを採用し、同時に聞き取りと発話ができるため、会話がより自然に感じられる。また、Web検索などの複雑なタスクは背後でGPT-5.5フロンティアモデルに委任され、より賢い回答が可能になる。国内の音声対話サービス利用者は会話がより自然になる一方、複雑な回答処理が別モデルへ委譲される仕組みの影響を受ける可能性がある。
注目点
展開は本日からiOS、Android、ChatGPT.comで開始。GPT-Live-1はGo、Plus、Proユーザー向けのデフォルトとなり、GPT-Live-1 miniは無料ユーザー向けのデフォルトとなるため、体験はプランにより異なる可能性がある。
こういう要約が、毎朝あなたのメールに届きます。
GPT-Liveの発表は、AIとの音声対話を実際の会話のように感じさせるというOpenAIの取り組みにおける大きな一歩です。従来のChatGPT Advanced Voice Modeは、音声認識、言語処理、音声合成を別々のモデルで連結するカスケード方式を改良しましたが、それでも応答は遅くぎこちないものでした。また、Advanced Voice Modeはターン制で動作するため、沈黙検知の誤りによる割り込みや、ぎこちないやり取りが生じていました。
GPT-Liveは、全二重アーキテクチャによる連続的な対話と、検索などのタスクをGPT-5.5などのモデルに委任して深い処理から切り離すという、2つの主要なアーキテクチャ変更により、これらの制約に対処しています。これにより、音声モデルは複雑なタスクがバックグラウンドで処理されている間も会話の流れを維持できます。比較評価では、GPT-Live-1とGPT-Live-1 miniは、5〜10分の対話でAdvanced Voice Modeよりも高い支持を得ています。
今回の展開の成否は、実世界の非英語会話をどれだけうまく処理できるかにかかっているかもしれません。OpenAIは、一部の言語でネイティブでないアクセントや流暢さのギャップがある可能性を指摘しています。また、APIの利用可能性も、新たな音声機能を活用しようとする開発者や企業にとって重要な要素となるでしょう。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
Chunghwa Telecom社長のRong-shy Lin氏は、会話型AIから自律型AIエージェントへの移行が企業導入を変え、大規模導入にはデータガバナンス、アクセス制御、説明責任が不可欠だと述べた
AppleとMetaは、ハイエンドMacでの動作を想定した新しいオープンウェイトAIモデルを共同で公開すると発表した
作家兼起業家が毎日のToDoリストを開くと156件が並んでおり、AIアシスタントは仕事を完了させるより速く生成できると結論づけた
Zennの投稿者がAIの使い方を3モードに整理した
CLIをANTHROPIC_BASE_URL環境変数でローカルのモックに向ける手順を解説
AI動画翻訳を「文字起こし・翻訳・字幕・音声」の工程として捉える見方が誤認識の影響を警告
