この記事の要点
- OpenAIは2026年7月8日、自然な音声対話を目指すGPT-Liveを発表しました。
- GPT-Liveは聞くことと話すことを同時に扱うfull-duplex architectureを採用しています。
- 検索や深い推論が必要な処理は、背後のGPT-5.5へ委ねる設計です。
- ChatGPT Voiceでは有料プランと無料プランで標準モデルが分かれます。
一言でいえば、AIが聞きながら話す
GPT-Liveの変化を一言でいえば、ChatGPT Voiceが“聞きながら話せるAI”に近づくことです。OpenAIは2026年7月8日、自然な人間とAIの音声対話に向けた新しい音声モデル世代としてGPT-Liveを発表しました。
これまで声でAIを使う時、多くの人は頭の中で文章を整えてから話しかけていました。途中で言い間違えると不安になる。少し沈黙すると、もう話し終えたと思われそうに感じる。返答が始まった後で『やっぱり違う』と言いたくなっても、会話の流れを止めづらい。GPT-Liveが狙っているのは、こうした緊張を減らすことです。
仕事前の相談が、少し現実的になる
たとえば出勤前に、今日の打ち合わせで話す内容を声で相談するとします。『昨日のメールを踏まえて、最初はやわらかく言いたい。いや、でも結論は先に出したい』というように、人は考えながら話します。GPT-Liveはfull-duplex architectureにより、聞くことと話すことを同時に扱えるため、一時停止、割り込み、話す速度の変化に合わせて応答できると説明されています。
これは、AIに立派な命令文を読み上げる使い方からの変化です。買い物メモ、英会話の練習、子どもに説明する文章、上司への報告、旅行前の調べもの。日常の多くの場面では、最初から正解の文章を持っている人の方が少ない。GPT-Liveは、未完成の言葉からでも会話を進めやすくする方向の発表です。
声の向こう側にGPT-5.5がいる
ただし、GPT-Liveは単に返事が速い音声モデルというだけではありません。OpenAIは、Web検索、深い推論、より複雑な作業が必要な時、GPT-Liveが背後のフロンティアモデルへ処理を委ねると説明しています。発表時点で背景モデルとして挙げられているのはGPT-5.5です。
利用者から見ると、前面には自然に話す相手がいて、奥には難しい処理を受け持つモデルがいる構造です。短い会話は軽く進み、調べものや複雑な相談では奥のモデルに渡る。声のAIが本当に使われるには、間合いの自然さと中身の強さの両方が必要です。GPT-Liveは、その分業をはっきり見せた発表でもあります。
誰のChatGPT Voiceに入るのか
提供面では、OpenAIはGPT-Live-1とGPT-Live-1 miniの2種類をChatGPTユーザーへグローバルに展開し、APIにも今後提供する予定だとしています。ChatGPT Voiceでは、Go、Plus、ProユーザーはGPT-Live-1、FreeユーザーはGPT-Live-1 miniが標準の音声モデルになります。
ここで注意したいのは、GPT-Liveという名前だけで全機能が一気に開くわけではない点です。OpenAIのHelp Centerは、Liveが当初は動画、画面共有、connected apps、pluginsに対応しないと説明しています。つまり、スマホやPCの画面を一緒に見ながら操作してもらう体験や、外部アプリとつながる体験は、この初期段階の中心ではありません。
声で使うAIは、近く感じられる
GPT-Live System Cardでは、GPT-Live-1とGPT-Live-1 miniがfull-duplexの音声モデルであり、音声特有の評価、リアルタイムの安全統合、レッドチーミングを行ったと説明されています。音声AIは、文字のチャットよりも距離が近く感じられます。自然に割り込めて、自然に返ってくるほど、その感覚は強くなります。
だからGPT-Liveは、AIに詳しい人だけのニュースではありません。非エンジニアにとっての変化は、AIを使う前に構えなくてよくなることです。検索窓に正しいキーワードを入れる、長い依頼文を整える、返答を待ってから修正する。そうした手順が、少しずつ会話の中へ溶けていく。ChatGPT Voiceが“使うアプリ”から“話しかける相手”へ近づく、その境目にあるのがGPT-Liveです。