- OpenAI は ChatGPT 一般ユーザー向けに GPT-Live を展開し、同時に聴取と発話が可能となるフルデュプレックスシステムで「Advanced Voice Mode」を置き換えます。
- 無料ユーザーには GPT-Live-1 mini が提供され、Go、Plus、Pro ユーザーには GPT-Live-1 が提供されます。より複雑なリクエストはバックグラウンドで GPT-5.5 にルーティングされます。
- この発表は OpenAI の GPT-5.6 リリースのちょうど前日に行われ、ボイスおよびモデルロードマップにおいて重要な週となっています。
OpenAIは水曜日、ChatGPTの消費者向けユーザーに対して再構築された音声モードの展開を開始し、Advanced Voice Modeを2つのモデルに置き換えた。 GPT-Live-1 および GPT-Live-1 mini、これらはユーザーの会話を聞きながら同時に返信できる。
このアップデートは無料および有料の消費者アカウントに提供され、同社のGPT-5.6モデルファミリーの発売の1日前に行われる。
GPT Liveへの移行の主な理由はアーキテクチャにある。以前の音声モデルは人間の話者が文を完了するのを待っていたが、GPT-LiveはOpenAIのフルデュプレックスアーキテクチャに基づいて動作し、これは入力の音声処理と出力の音声生成を同時に含む。
OpenAIの発表によると、モデルは1秒間に何度も、話すか、聞き続けるか、一時停止するか、割り込むか、ツールにアクセスするかを判断する。実際には、ユーザーがモデルに割り込んで話したり、中断されずに考えたり、モデルが「うんうん」と言って追従していることを示す音声を出したりできる。
OpenAIはGPT-LiveをChatGPT Voiceに持ち込む
無料のChatGPTアカウントはデフォルトでGPT-Live-1 miniに設定され、Go、Plus、Proのサブスクリバーはより大きなGPT-Live-1が提供される。
この展開はiOS、Android、およびウェブをカバーし、ChatGPTはすでにCarPlayを通じて動作しているため、9to5Macはアップデートが車内にも到達することに言及した。OpenAIは、ChatGPTの9つの音声モデルが新しいモデルのためにリマスターされたと述べている。
また、GPT-Liveは推論エンジンではなく、会話相手として構築されたと述べた。より複雑なリクエストの場合、GPT-Liveはすべてを単独で処理しない。OpenAIによると、音声モデルは、音声会話を一時停止することなく、Web検索、推論、さらには多段階の回答などのタスクをGPT-5.5に委譲できる。
これは、ChatGPTの以前の音声モードの主要な欠点の一つ、つまりタイピングと比較して力が弱いように見えた場合に対処する supposed。ユーザーは、クイックレスポンスモードとハイエフォートモードのどちらかを選択するオプションも得られる。
OpenAIはまた、天気、株価、スポーツスコアのためのニアリアルタイムの音声翻訳とビジュアルカードを追加しており、ChatGPTがすべてを音声で読み上げるのではなく、画面にいくつかの回答を表示する。同社は、1億5000万人以上が毎週ChatGPTの音声やDictationなどの機能を使用していると述べた。
GPT-Liveは音声の流れを改善するが、ギャップを残す
TechCrunchがOpenAIの記者会見を報じたところによると、ヒンディー語の翻訳には強いアメリカ訛りと、非常に硬く、本格的な言語が含まれていた。
OpenAIによると、このモデルは「ChatGPTで最も一般的な言語の一部」で最もよく機能するが、一部の言語では訛りや流暢さに問題がある可能性があると警告している。また、OpenAIは、音声とビデオや画面共有の組み合わせは現時点ではサポートされていないと述べている。
OpenAIはGPT-Liveをモデルシリーズ全体のより人間らしいバージョンとして売り込んでいるが、AIコンパニオンではないと主張している。同社は、ティーンエイジャーへの年齢に適した回答を保証するために講じたセーフガードも強調した。また、ユーザーの会話が自傷行為に向いている場合に備えて、危機リソースが設置されていることも追加した。
LiveおよびAdvanced Voiceの会話からのオーディオクリップは30日間保持される。ユーザーが共有を選択しない限り、モデルのトレーニングには使用されない。
ChatGPT VoiceのプロダクトリードであるEleti弁護士は、ブリーフィングで、散歩中にこの機能で30〜40分の会話を行ったと語り、音声はより長く、より複雑なタスクを実行するための主要な手段になり得ると主張した。
人々がCodexやChatGPTを使用して達成している素晴らしいユースケースを見るにつれ、音声はあらゆる種類の作業のための未来のインターフェースになり得ると考えている
– Eleti via TechCrunch
GPT-5.6 の発売により、タイミングが焦点に
音声のアップデートは、木曜日にスケジュールされているモデルのリリースとは別個のものである。
Cryptopolitanによると、GPT-5.6の一般公開承認は、米国商務省が国家安全保障レビュー中に課した輸出管理（embargo）を解除した後に行われ、Sol、Terra、Lunaの3つのバージョンで利用可能である。
GPT-Liveは消費者向け展開後にOpenAIのAPIに到達する予定で、開発者はアクセスのために登録できる。
最も賢明な暗号通貨の専門家たちはすでに私たちのニュースレターを読んでいます。あなたも参加しませんか？ 彼らに加わりましょう。
Micah Abiodun
マイカ・アビオドゥンは、タリン工科大学（TalTech）で取得した環境工学および管理（MSc）の知識を活かし、Cryptopolitan でコンテンツの質を高め、価格予測ニュースを提供しています。暗号通貨メディア業界で7年目を迎える彼は、主要な暗号資産、アルトコイン、DeFi、ステーブルコイン、マクロトレンド、そして新興技術について幅広く取り上げています。
