ChatGPT音声が全二重に進化、GPT-Live-1で広がる仕事での使い方

OpenAIが7月8日に音声モデル「GPT-Live-1」を公開したことで、ChatGPTの音声機能がこれまでとまったく違う動作をするようになった。

従来の音声モードは半二重だった。一方が話し終えてから、もう一方が話し始める。テキスト読み上げとテキスト認識を順番に切り替える仕組みで、電話の「どうぞ」に近い感覚で使っていた人も多いはずだ。GPT-Live-1はこれを覆した。

話しながら聞ける「全二重」とは何か

GPT-Live-1はフルデュプレックス（全二重）アーキテクチャを採用している。聞きながら同時に話せる仕組みで、会話中に「うんうん」「なるほど」といった相槌を自然に返しながら応答を生成する。話の途中で割り込んでも正しく受け取るし、ちょっと考えたくて間を置いても、AIが話の終わりと誤解することがなくなった。

技術的には、1秒間に何度も「聞く・話す・止まる・割り込む・ツールを呼ぶ」の判断をリアルタイムで行うシステムで動いている。会話のテンポがテキストチャットに近くなる感覚で、返答を待つストレスがほぼなくなる。

同時通訳がそのまま使えるレベルに

新機能の中でビジネスで効果が大きいのが同時通訳だ。「私が話す内容を英語に同時通訳してください」と一言伝えるだけで、話しながらリアルタイムで別言語の訳文が流れる。海外クライアントとの商談で、専門通訳者なしでも一定水準のコミュニケーションが取れる環境が整いつつある。

ChatGPTの音声機能はここ数ヶ月でじわじわと精度が上がってきており、日本語対応の改善も着実に進んでいた。GPT-Live-1はその延長線上にある大きな一歩だ。

GPT-Live-1はGo・Plus・Proユーザーのデフォルト音声モデルになる。無料ユーザーにはGPT-Live-1 miniが提供される。iOS・Android・ChatGPT.comで7月8日から順次展開されている。

音声中心の使い方が現実的になってきた

会議中の話し方は、相手の返事を待ちながら自然に流れる。相づちがあるから続けて話せる。AIとの音声対話でこの感覚が欠けていたのは事実で、それが「使いにくさ」の一因だった。

GPT-Live-1の登場でその壁が一枚取り除かれた。移動中や手が離せない作業中、海外クライアントとの通話中。これまで難しかった場面でAIの音声支援が現実的な選択肢になってくる。テキスト入力が中心だったChatGPTの使い方が、音声主体へとシフトし始めた転換点として記憶されるアップデートだと思う。

ドリップ（執筆）

AIと話しているとき、なんとなく「ターン制ゲーム感」があって少し不自然だなと感じていた方、多いのではないでしょうか。

相槌が返ってくるだけで、会話ってこんなに自然になる。GPT-Live-1を使うと、それを改めて実感できると思います。

まずスマホのChatGPTアプリで一度試してみてください。慣れたら手放せなくなるかもしれません。