OpenAI、より自然な会話向け新音声モデル発表
원제: OpenAI releases new voice models for more natural live conversations
왜 중요한가
音声AIの全二重通信化と大規模言語モデルとの統合は、音声インターフェースの実用性を大きく高め、AIアシスタント市場の競争を加速させる。
OpenAIは2026年7月8日、新たな会話用音声モデル「GPT-Live-1」と「GPT-Live-1 mini」をリリースした。両モデルは全二重通信（Full-duplex）方式を採用し、同時に発話・聴取が可能。ChatGPTの従来のAdvanced Voice ModeはGPT-Live-1 miniに置き換えられ、有料プランユーザーは上位モデルであるGPT-Live-1を利用できる。
OpenAIが発表した「GPT-Live-1」および「GPT-Live-1 mini」は、従来モデルが音声認識・言語モデル・音声合成を別々に組み合わせていた構造から刷新された。新モデルは全二重通信方式を採用し、ユーザーによる自然な割り込みや、ライブ翻訳機能にも対応する。従来モデルが抱えていた「ユーザーの発話中に割り込む」「質問への回答精度が不十分」といった課題を解消したとOpenAIは説明している。
新モデルはGPT-5.5など最新のテキストモデルと連携し、検索・推論・エージェント機能を利用しながら会話を継続できる。また、長時間沈黙しながらコンテキストを保持し、必要な際に呼び出される動作も可能。さらに音声モードから視覚的な情報提示もできる。
ChatGPT Voiceのプロダクトリード、Atty Eleti氏はブリーフィングで「散歩中に30〜40分の会話を音声機能と行った」と述べ、長時間の会話に適した設計であることを強調した。同氏は「音声は将来的に、Codexを使うような複雑な長期エージェント作業を含む、あらゆる種類の作業への主要インターフェースになりえる」とコメントした。
OpenAIによると、ChatGPTをVoiceやDictation機能で使うユーザーはすでに1億5000万人以上に達している。競合ではAppleやAmazonも音声アシスタントの会話精度を強化しており、Brendan Iribe氏らが創設したスタートアップSesameなども自然な対話型AIアシスタントを提供している。