ニュース

ChatGPTの音声対話、“ターン制”は終了。普通の会話のようにテンポ良く話せる「GPT-Live」登場

話を聞きつつ裏で推論、複雑になったらGPT-5.5が高度な推論・処理を実施

2026年7月9日 17:42

OpenAI、次世代の音声モデル「GPT-Live」を発表

　米OpenAIは7月8日（現地時間）、新世代の音声モデル「GPT-Live」を発表した。「ChatGPT」の音声対話機能「ChatGPT Voice」をより自然で、人間らしくするために設計されているとのことで、同日からモバイル（iOS/Android）とWeb（chatgpt.com）へグローバル展開される。APIへの対応も近日中に予定されているとのこと。

　「GPT-Live」最大の魅力は、“聞きながら話せる”「フルデュプレックス」（全二重）モデルである点だ。

　登場したころの「ChatGPT Voice」は、音声認識・大規模言語モデル・音声合成という3つのモデルを直列につないだカスケード型になっており、モデル間のやり取りで時間がかかったり、情報が失われるという課題があった。その後の「高度な音声モード」（Advanced Voice Mode）では単一モデル化され、会話そのものが滑らかになったものの、沈黙をきっかけにターンの終わりを検出する仕組み（ターン制）のため、会話が交互になるように人間側で気を使う必要があった。

以前はカスケード型だったり、ターン制だったりで、自然なやりとりが難しい構造になっていた

　その点、「GPT-Live」は入力を継続的に処理しながら出力を生成する設計になっており、話す・聞き続ける・間を置く・割り込む・ツールを呼び出すといった判断を毎秒何度も行える。会話の最中に「うんうん」といった相槌で聞いていることを示したり、ユーザーが考え込んでいるときは口を挟まず待ったり、テンポよくやり取りしたりと、まるで実際の会話のような音声体験を実現できるという。ライブ翻訳にも対応する。

「GPT-Live」はなめらかで、沈黙を挟まないやりとりが可能に

　また、会話中に検索や推論、複雑な処理が発生すると、裏でより高度なフロンティアモデル（当面「GPT-5.5」）にタスクを委譲する仕組みになっているのも特徴。“考えながら話す”こともできるわけだ。推論のレベルも、高速な「Instant」のほか、じっくり考えさせる「Medium」「High」から選択できる（後述の「GPT-Live-1」の場合）。

「GPT-5.5」で“考えながら話す”ことも

　さらに安全面では、音声特有のリスクに対応した専用のセーフガードを搭載。会話中に問題のある出力を検知すると、より安全な応答へ誘導したり、リスクの高いケースでは会話を終了したりできる。「ChatGPT Voice」は10代のユーザーにも広く利用されているが、それを対象とした保護機能やペアレンタルコントロールにも対応する。実在する人物の声の模倣を防ぐため、利用できる音声も定義済みのものに限られる。

　提供されるモデルは、以下の2種類。

  • GPT-Live-1：「Go」「Plus」「Pro」ユーザーの既定モデル
  • GPT-Live-1 mini：無償ユーザーの既定モデル

　現時点ではビデオや画面共有を伴う音声対話には対応していないため、従来の音声モードで引き続き提供される。また、一部の言語ではネイティブでない訛りや流暢さの課題が残っているとのこと。

Amazonで購入