OpenAIが新しい音声モデル「GPT-Live」を発表しました。これまでのターン制の音声機能と異なり、人間同士の会話のように相手の話を聞きながら同時に話す「全二重」方式を実現します。複雑な質問に対してはバックグラウンドで最新モデルが処理を担当し、会話を続けながら結果を反映する仕組みで、より自然な対話体験を実現するのが特徴です。
こういう要約が、毎朝あなたのメールに届きます。
無料で登録 →何が起きたか
OpenAIは新世代のリアルタイム音声モデル「GPT-Live」を発表しました。フルデュプレックス（全二重）方式により、相手の話を聞きながら同時に話せるようになります。有料プランは「GPT-Live-1」、無料プランは軽量版の「GPT-Live-1 mini」が標準モデルになり、モバイルアプリとWeb版のChatGPTで順次展開されます。
なぜ重要か
従来の音声モデルはユーザーが話し終えてからAIが応答するターン制でした。GPT-Liveは1秒間に何度も判断して相づちを打ち、割り込まれれば自然に応答を切り替え、人間同士の会話に近づきます。複雑な質問ではバックグラウンドで最新モデルが処理を担当し、会話を継続しながら結果を反映することで、新しいモデルの登場に対応しやすくなるとしています。
注目点
1秒間に何度も「話すか、聞き続けるか、黙るか」を判断し、天気や株価などの情報をビジュアルカードで表示できます。ChatGPTの音声・ディクテーション機能は毎週1億5000万人以上が利用しており、API提供は近く開始予定です。なお、Business・Enterprise・Eduの各ワークスペースでは初期段階では利用できません。
OpenAIの音声機能は、初代ChatGPT Voiceが音声認識、言語処理、音声合成を直列につなぐ「カスケード型」で応答が遅く、後継の「アドバンスドボイスモード」で単一モデル化により遅延を減らしたものの、短い沈黙や背景の雑音を誤認して不自然に割り込むという課題がありました。GPT-Liveはこれらの課題に対し、1秒間に何度も判断することで、より自然な会話フローを実現しています。
複雑な質問への対応では、Web検索や深い推論が必要な場面で最新のフロンティアモデル（発表時点ではGPT-5.5）に処理を委ねながら、ユーザーとの会話を継続し、結果が出次第内容を反映する「委任」の仕組みを導入しました。これにより、対話担当と処理担当を分離することで、新しいフロンティアモデルの登場に合わせて背後のモデルを更新できるようになります。安全性に関しては、リアルタイム音声特有のリスク（子どもを装った声、実在人物のなりすましなど）への対策を組み込み、10代ユーザーには年齢に応じた振る舞いを学習させ、保護者がペアレンタルコントロールで利用可否を選択できる仕組みも用意されています。
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！
ログインして議論に参加200以上のソースから厳選したAIニュースを毎日無料でお届けします。
無料で始める登録無料・30秒で完了・いつでも解除できます
毎朝1分、AIの要点だけ。
200媒体以上・Email/LINE/Slack 対応
