OpenAI は 2026 年 7 月 8 日、新しい音声モデル「GPT-Live」の提供を、ChatGPT の iOS・Android・Web 版で世界規模に開始しました。複数の言語に対応しており、有料プランだけでなく無料プランのユーザーも利用できます。
従来の音声機能は、ユーザーが話し終わったことを確認してから応答する仕組みでした。そのため、会話中の沈黙や周囲の雑音を「発話が終わった」と誤認し、途中で会話が途切れたり、不自然なタイミングで応答を始めたりすることがありました。
GPT-Live では、この仕組みを見直し、相手の声を聴きながら同時に話せる「全二重方式」を採用しています。話す、聴く、割り込むといった判断をリアルタイムで繰り返すことで、より人間同士の会話に近い、自然なやり取りを実現しました。
提供されるモデルは 2 種類です。上位モデルの「GPT-Live-1」は Go・Plus・Pro の各有料プランで利用でき、ChatGPT Voice の標準モデルとなります。一方、小型版の「GPT-Live-1 mini」は、無料ユーザー向けの標準モデルとして提供されます。
GPT-Live-1 は、Web 検索やメモリ機能にも対応しています。天気や株価、スポーツなどについて尋ねた際には、関連情報をビジュアルカードで表示する機能も追加されました。また、ChatGPT で選べる 9 種類の音声についても、GPT-Live に合わせて音質が改善されています。
複雑な判断や高度な処理が必要な場合には、バックグラウンドで最新のモデルが処理を引き継ぎ、結果がまとまり次第、音声での会話に戻る仕組みです。現時点では、この処理に GPT-5.5 が使われています。
さらに、応答速度と精度のバランスを、Instant・Medium・High の 3 段階から選べる機能も用意されています。素早い応答を優先するのか、時間をかけて精度の高い回答を求めるのかを、用途に応じて調整できます。
ユーザーによる比較評価では、GPT-Live-1 の支持率が 75.7％、GPT-Live-1 mini が 69.2％となり、いずれも従来の音声モデルを上回りました。
ただし、課題も残されています。公開デモでは、ヒンディー語への翻訳時に英語訛りの発音が目立つ場面があり、多言語対応の品質には改善の余地があります。また、現時点ではビデオ入力や画面共有には対応しておらず、今後のアップデートで追加される予定です。
OpenAI によると、ChatGPT の音声機能や音声入力機能は、週間で 1 億 5,000 万人以上に利用されています。同社は音声を、単純な質問への回答だけでなく、「複雑な作業でも中心的な役割を担えるインターフェース」と位置づけています。今回の GPT-Live の提供開始は、その構想を具体化する大きな一歩といえます。
なお、開発者や企業向けの API は、現時点ではまだ提供されていません。近日中の公開が予定されており、現在は事前登録フォームが公開されています。
