会話中に相づちも割り込みもできる音声AI　OpenAI『GPT‑Live』を展開、裏側ではGPT‑5.5が稼働

　OpenAIは7月8日、ChatGPTの音声体験を刷新する新世代の音声モデル『GPT‑Live』を発表した。

　ユーザーが話し終わるまで待つ従来型ではなく、会話中に相づちを打ったり、途中の質問に反応したり、ユーザーが考え込んでいるときには静かに待ったりできることが最大の特徴だとしている。

　OpenAIによると、GPT‑Liveは全二重アーキテクチャを採用し、入力を聞き続けながら出力も生成する。モデルは会話の最中に、話す、聞き続ける、一時停止する、割り込む、ツールを呼び出すといった判断を何度も行えるという。OpenAIはこれを、ChatGPT Voiceを支える「自然な人間とAIのやり取り」のための新モデルと位置づけている。

　GPT‑Liveは会話を担うだけでなく、裏側で他モデルを制御する役割も担う。複雑な質問、ウェブ検索が必要な話題、深い推論が必要な作業では、GPT‑LiveがバックグラウンドでGPT‑5.5のような別モデルに処理を任せる仕組みだ。OpenAIは、リリース時点でGPT‑LiveがバックグラウンドにGPT‑5.5を使うとしている。

　ユーザー向けには、2つのモデルが順次提供される。OpenAIの発表では、GPT‑Live‑1とGPT‑Live‑1 miniが世界中のChatGPTユーザーに展開され、GPT‑Live‑1はGo、Plus、Proユーザー向け、GPT‑Live‑1 miniはFreeユーザー向けのデフォルト音声モデルになる。OpenAIのヘルプセンターでは、LiveはFreeを含むコンシューマープランで順次展開される一方、提供状況は地域、プラン、アプリのバージョンによって異なる可能性があると説明している。

　GPT‑Live‑1はChatGPTの通常のチャット画面内で動作し、音声の返答と同時にテキストも表示される。さらに、ウェブ検索、メモリ、画像、同じ会話内でのテキスト入力などにも対応し、天気、株価、スポーツなどでは視覚的なカードも表示できる。

　一方で、リリース時点のLiveは、動画や画面共有、接続アプリ、プラグインには対応していない。動画や画面共有を使いたい対象ユーザーは、従来のAdvanced Voice Modeを引き続き使う形になる。また、ChatGPT Business、Enterprise、Eduのワークスペースでは、少なくともローンチ時点ではLiveは利用できないとされている。

Introducing GPT-Live, a new generation of voice models for natural human-AI interaction.

Rolling out in ChatGPT starting today.

You’ll want to turn the sound on for this one. pic.twitter.com/WzoQFvA5ir

— OpenAI (@OpenAI) July 8, 2026

　OpenAIは性能評価について、従来のAdvanced Voice Modeより自然な会話として好まれたと説明している。5〜10分の会話を用いた人間評価では、全体的な好み、発話の順番、割り込み、会話の流れ、自然さなどの観点で、GPT‑Live‑1とGPT‑Live‑1 miniがAdvanced Voice Modeより強く好まれたという。また、科学的推論のGPQA、エージェント的ウェブ検索を測るBrowseComp、通信サポートを想定した音声タスクでも改善が示されたとしている。

　安全面では、OpenAIは音声ならではのリスクに対応した保護策を強調している。リアルタイムの音声会話では、不適切な返答が“話している途中”に出る可能性があるため、安全でない出力を検知した場合に、より安全な応答へ誘導したり、追加の安全メッセージを提示したり、リスクが高い場合には音声会話を終了したりできる仕組みを組み込んだという。さらに、自傷、精神病症状や躁状態、AIへの情緒的依存、暴力、性的コンテンツなどを含む領域で音声向けの安全テストを拡充したとしている。

■サービス情報
GPT‑Live
提供元：OpenAI
発表日：7月8日
提供モデル：GPT‑Live‑1（Go、Plus、Proユーザー向け）、GPT‑Live‑1 mini（Freeユーザー向け）
対応機能：ウェブ検索、メモリ、画像、テキスト入力、視覚的カード表示
非対応：動画、画面共有、接続アプリ、プラグイン、ChatGPT Business／Enterprise／Eduワークスペース