【カリフォルニア州サンフランシスコ発】 米OpenAIは現地時間2026年7月8日、ChatGPTの音声対話機能を劇的に進化させる新世代の音声モデル「GPT-Live」を発表した。有料プラン（Plus、Pro、Go）向けには「GPT-Live-1」、無料プラン向けには「GPT-Live-1 mini」として、同日からグローバルでの順次ロールアウトが開始されている。
最大の特徴は、従来の「話し終わるのを待ってから答える」というターン制の会話から脱却し、人間のように「相手の話を聞きながら同時に話す」ことができるフルデュプレックス（全二重）アーキテクチャの採用だ。これにより、会話の途中で遮って質問したり、AIが自然に相槌を打ったりする、極めて滑らかな双方向コミュニケーションが実現した。さらに、リアルタイムでの同時通訳（ライブ翻訳）や、バックグラウンドでの高度な推論と会話の並行処理など、実用面でも大きな進化を遂げている。
「聞きながら話す」を可能にしたフルデュプレックスの衝撃
これまでChatGPTに搭載されていた「高度な音声モード（Advanced Voice Mode）」などは、音声の理解と生成を単一のモデルで行うことで低遅延を実現していたが、会話の基本構造は「ユーザーが話し終えたのを確認してからAIが話し始める」というターン制（単二重方式）だった。そのため、ユーザーが少し言葉に詰まったり、周囲に雑音が入ったりしただけで「発話終了」と誤認され、AIが不自然なタイミングで割り込んでしまうという課題が存在した。
今回発表された「GPT-Live-1」は、この限界を根本から打ち破る「フルデュプレックスアーキテクチャ」を採用している。これは、入力を処理しながら出力を同時に生成する仕組みであり、モデルは1秒間に何度も「話す」「聞き続ける」「一時停止する」「割り込む」「ツールを呼び出す」といった判断をリアルタイムで行う。
これにより、ユーザーが話している最中に「mhmm（うーん）」「yeah（そうだね）」といった相槌を自然なタイミングで挟むことができるようになった。また、ユーザーが考えをまとめるために少し沈黙しても、すぐに割り込まずに待つといった、人間の会話に極めて近い「間の取り方」が可能になっている。もちろん、AIが話している最中にユーザーが新しい質問や指示を被せて割り込んでも、AIは即座にそれを認識してスムーズに軌道修正を行う。
高度な推論と会話を両立する「デカップリング構造」
「GPT-Live-1」のもう一つの大きなイノベーションは、自然な音声コミュニケーションを担当するフロントエンド部分と、ウェブ検索やディープラーニングによる推論などの重い処理を担当するバックエンド部分を分離（デカップリング）した点にある。
従来の音声AIでは、複雑な検索や思考が必要な質問を投げると、AIが答えを導き出すまで数秒間、完全に沈黙してしまい、会話のテンポが損なわれることがあった。しかし「GPT-Live-1」では、裏側で最新のフロンティアモデル（現在は「GPT-5.5」）にタスクを委任している間も、ユーザーとの会話を維持することができる。「今、最新の情報を調べているところだよ」「もう少しで結果が出るから待ってね」といったやり取りをしながら、バックグラウンドで処理を並行させ、結果が出次第、スムーズに会話に組み込むことができる仕組みだ。
この連続的な対話能力と処理能力の融合により、実用性が飛躍的に向上したのが「同時通訳（ライブ翻訳）」機能だ。異なる言語を話す二人の間にChatGPTを挟むことで、片方が話している内容をリアルタイムで聞き取りながら、ほぼタイムラグなしで他方の言語へと翻訳・発話することが可能になった。ビジネスの国際会議や旅行先でのコミュニケーションにおいて、まるで専属の同時通訳者がその場にいるかのような体験を提供する。
既存の音声モードとの比較と利用方法
ChatGPTの音声機能には、今回のアップデートによって大きく3つの選択肢が用意されることになった。
| モード名 | 内部モデル | 主な特徴・用途 |
| Live（最新） | GPT-Live-1 / mini | フルデュプレックスによる超自然な会話、割り込み対応、相槌、同時通訳。文字や画像の並行入力も可能。 |
| Advanced | 前世代リアルタイムモデル | 画面共有やカメラを通じたビデオ共有に対応。視覚情報を交えた相談に最適。 |
| Standard | 従来モデル | 音声認識→テキスト処理→音声合成の3段階処理。応答にラグがあるため音声入力に近い。 |
利用方法はシンプルだ。iOSおよびAndroidのChatGPTアプリ、またはデスクトップWeb版（ChatGPT.com）を開き、メッセージバーにある「音声（マイク）アイコン」をタップするだけで開始できる。プッシュ・トゥ・トークのようなボタン操作は不要で、ハンズフリーのまま自然に話し始めることができる。また、AppleのCarPlay（iOS 26.4以降）にも対応しており、運転中の壁打ち相手としても最適だ。
安全対策と「AIエージェント時代」への布石
「GPT-Live」は、ユーザーの加入プランに応じて2つのバリエーションが提供される。有料プランのユーザーには最上位モデルである「GPT-Live-1」がデフォルトとして適用され、無料プランのユーザーには応答速度やリソースを最適化した軽量版の「GPT-Live-1 mini」が順次提供される。
また、安全面についての配慮も徹底されている。OpenAIが公開した「GPT-Live System Card」によると、この新モデルには音声ネイティブな安全性評価インフラが導入されている。会話がリアルタイムで進行する中で、不適切なコンテンツや規約違反の音声入力・出力がないかを継続的に監視・チェックするシステムが組み込まれており、従来のテキストモデルと同等以上の安全基準をクリアしているという。
OpenAIは公式ブログの中で、今回の発表に寄せて次のように述べている。
「私たちのビジョンは、AIとのコラボレーションが、もう一人の人間と一緒に仕事をするのと同じくらい流動的で反応の良い世界を実現することだ」
「GPT-Live-1」は、単におしゃべりが上手なAIにとどまらず、将来的に複雑で長期的なタスクを自律的にこなす「AIエージェント」のインターフェースとしての役割を狙っている。話しながら裏でツールを使い、思考し、結果を返すというフルデュプレックスとデカップリングの技術は、人間とAIの物理的・心理的距離をこれまでにないほど縮めることになるだろう。
現在、開発者や企業向けにAPIの提供に向けたサインアップも開始されており、今後は様々な外部アプリやカスタマーサポート、教育現場などにもこの「聞きながら話せるAI」が組み込まれていくことが予想される。
【関連URL】
- OpenAI公式発表「Introducing GPT-Live」: https://openai.com/index/introducing-gpt-live/
- OpenAI安全評価「GPT-Live System Card」: https://deploymentsafety.openai.com/gpt-live
- OpenAIヘルプセンター「ChatGPT Voice」: https://help.openai.com/ja-jp/articles/20001274-chatgpt-voice