Episode Details

タイトル

OpenAIが新音声モデル「GPT-Live」を発表──会話の常識を変える全二重AI

このエピソードで登場するキーワードを説明します。

GPT-Live: OpenAIが開発した新世代の音声AIモデル。人間のように相手の話を聞きながら同時に相槌を打つことができる。

全二重通信 (Full-duplex): データの送信と受信を同時に行う通信方式。この技術により、AIと人間の同時発話や自然な割り込みが可能となる。

Thinking Machines: 元OpenAIのCTOであるミラ・ムラティ氏が率いる新興AIラボ。連続的な音声・映像処理技術を開発しており、OpenAIの強力な競合と目されている。

それでは解説に入ります。

OpenAIは2026年7月8日、ChatGPTの音声対話をより自然にする新世代モデル「GPT-Live」および「GPT-Live-1 mini」を発表しました。これまでAIとの音声会話は、人間が話し終わるのを待ってからAIが処理を始め、返答するというトランシーバーのような「ターン制」が主流でした。しかし、今回導入されたGPT-Liveは「全二重通信」に対応しており、ユーザーが話している最中に「うん」「なるほど」といった相槌をリアルタイムで打ちながら、途中で話を遮られることにも自然に対応します。

この技術革新は、単なる音声認識の向上にとどまりません。GPT-Liveは、複雑な推論が必要なタスクに直面した際、背後で稼働する「GPT-5.5」へ処理を委譲することで、高度な文脈理解と応答速度の両立を実現しています。さらに、会話の中でWeb検索や過去の記憶を参照したり、ウィジェットを通じて視覚的な情報を提示したりすることも可能です。OpenAIの社長であるグレッグ・ブロックマン氏はこのアップデートについて、コンピューターとのより自然な対話方法であると強調しています。現在、この機能はiOSおよびAndroid版アプリ、そしてWeb版のChatGPTにおいて、無料ユーザーを含む一般消費者向けに順次提供が開始されています。

一方、AI業界全体でも「ボイス・ファースト」を見据えた競争が激化しています。2026年5月には、元OpenAIの最高技術責任者であるミラ・ムラティ氏が率いる新興AIラボ「Thinking Machines」が、音声、テキスト、動画を連続的に処理する競合技術を公開しました。従来のチャットボットが持っていた一時停止と再開のリズムから脱却し、途切れることのない入出力を実現しようとする試みは、今後のAI開発における大きなトレンドとなっています。ビジネスパーソンにとっても、移動中の情報検索や会議の同時翻訳など、キーボードや画面に依存しないハンズフリーな業務環境が一気に普及する契機となるでしょう。

今回のエピソードは以上で終了です。また次回お会いしましょう。