投稿者 投稿日: カテゴリー AIニュース
OpenAIがChatGPTの音声会話を刷新する新モデル「GPT-Live」を発表しました。最大の特徴は、聞くことと話すことを同時に行うフルデュプレックス（全二重）構造です。従来の「ユーザーが話し終わってからAIが答える」交互方式ではなく、人間同士の会話のように相づちを打ちながら聞き、途中で割り込まれても対応します。さらに複雑な質問は裏側でGPT-5.5に委譲する二層構造を採用し、音声AIの弱点だった回答品質も大きく引き上げました。本記事では発表内容の要点を3つに整理して解説します。
要点1: フルデュプレックス構造で会話が「人間らしく」なった
AI専門メディアのThe Decoderが2026年7月8日に報じた内容とOpenAIの公式発表によると、GPT-Liveは1秒間に複数回「話すか、聞き続けるか、間を置くか、割り込むか、ツールを呼ぶか」を判断し続ける設計になっています。「mhmm（ふむふむ）」「got it（わかりました）」といった相づちを挟んで会話の流れを保ち、ユーザー側が途中で割り込むことも、考えるために黙ることも、話す速度を落とすよう頼むこともできます。
提供は2バージョンで、有料プラン（Go・Plus・Pro）向けのGPT-Live-1と、無料アカウント向けのGPT-Live-1 miniが、iOS・Android・Webで即日グローバル展開されます。OpenAIの社内評価では、従来のAdvanced Voice Modeとの比較でGPT-Live-1が75.7%、miniでも69.2%のケースでユーザーに好まれたとしています。会話中に天気や株価、スポーツのスコアなどをカードで画面表示するビジュアルカード機能も追加され、9種類の音声も一新されました。なお、発表時点では映像や画面共有を使った音声会話には未対応で、これらの機能は従来モードが当面併存します。
同様のフルデュプレックス型音声AIとしては、NVIDIAが今年公開したオープンソースモデルPersonaPlexが先行しており、音声AIの主戦場が「交互の応答」から「同時の対話」へ移りつつあることがわかります。
要点2: GPT-5.5への裏側委譲で音声AIの「知能の壁」を突破
今回の発表でモデル動向として見逃せないのが、会話の進行役と推論役を分離した二層アーキテクチャです。Web検索や論理的な推論、エージェント的な処理が必要な質問が来ると、GPT-Liveは裏側でGPT-5.5にタスクを委譲し、その間も表側では会話を途切れさせずに続けます。ユーザーは推論レベルをInstant・Medium・Highから選択でき、じっくり考えさせたいタスクにはHighを指定できます。
効果は数字にはっきり表れています。科学的推論のベンチマークGPQAでは、GPT-Live-1（High）が84.2%と、従来のAdvanced Voice Modeの45.3%からほぼ倍増しました。エージェント型Web検索のBrowseCompに至っては、従来モードの0.7%に対してGPT-Live-1は75.2%、無料版のminiでも31.6%と、桁違いの差がついています。
従来のリアルタイム音声モデルは自分自身の能力だけで回答していたため、フロンティアモデルとの知能差が大きく、実務用途では使いにくいという課題がありました。会話はリアルタイム特化の軽量モデルが担い、頭脳は常時最新のフロンティアモデルに接続するという分業は、この課題への直接の回答です。実はこの「役割分担で性能とコストを両立させる」方向性は、AnthropicのFable 5とSonnet 5の委譲構成とも共通しており、2026年後半のAIモデル設計の共通トレンドになりつつあります。
要点3: 人間らしさの向上と安全対策はセットで展開
AIが人間らしく話すほど、利用者が感情的に依存するリスクも高まります。OpenAIもこの点を認識しており、ユーザーが話している最中から作動する安全機構を組み込んだとしています。リスクの高い状況では応答をより安全な方向へ誘導し、追加の安全情報を表示し、場合によっては会話自体を終了します。自傷に関する話題では相談窓口の案内が表示されます。
また、若年ユーザー向けには年齢に応じたふるまいを学習させており、保護者はペアレンタルコントロールで音声機能の利用可否を管理できます。GPT-Liveは実在の人物の声の模倣には対応せず、事前定義された音声のみを使用します。詳細はSystem Cardで公開されています。
今後の動き
APIの提供は近日中とされており、開発者向けの申込フォームがすでに公開されています。OpenAI社内のtau3 Voice Telecomベンチマーク（通信業の顧客サポート業務を模したテスト）では、GPT-Live-1（High）がタスクの約65%を完了したのに対し従来モードは約30%にとどまっており、電話サポートやコールセンター業務への応用が次の焦点になるのは確実です。
EC事業者の視点で1点だけ触れると、API公開後は「音声での問い合わせ対応」の実用性が一段上がる可能性があります。日本語での品質や提供条件は現時点で未公表のため要確認ですが、Grokの音声エージェント構築機能など各社が音声接客領域に参入しており、電話・音声チャネルのAI化は選択肢として現実味を帯びてきました。
まとめ
GPT-Liveは、フルデュプレックス構造による自然な会話と、GPT-5.5への裏側委譲による回答品質の両立を実現した新世代の音声モデルです。音声AIが「おもしろい機能」から「実務で使える道具」へ変わる転換点として、API公開までの続報に注目です。
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: The Decoder
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
