OpenAI、全二重音声モデルGPT-Live発表 割込対応・長時間対話に対応

OpenAIは過去数年間、ChatGPTの音声機能をより自然に聞こえるよう改善してきました。150万人以上のユーザーがVoiceやDictation機能を使用しており、音声は重要な操作手段となっています。

新モデルは、これまで個別に処理されていた複数ステップ（音声認識・応答生成・音声合成）を統合し、同時に聞き話す全二重対応を実現します。これにより、ユーザーが途中で割り込める、より自然な対話が可能になります。製品リードのAtty Eletiは30～40分の長時間対話をデモ中に実施したと述べています。

AppleやAmazonも会話型アシスタントの改良を進めており、音声インターフェイスは業界全体の方向性とみられます。ただしデモでは、ヒンディー語翻訳の発音と口調が不自然だという課題が露呈しており、多言語対応はまだ最適化が必要な段階です。