GPT-Live-1がAPIに登場、双方向の自然な音声会話を実現

OpenAIがAPIで「GPT-Live-1」を公開しました。開発者が自然な全二重（フルデュプレックス）の音声会話を組み込めるようになります。指示追従性の強化、カスタムボイス対応、電話網連携を備え、コールセンターや音声アシスタント、対話型アプリに向いています。 目玉は全二重機能です。ユーザーが話し終えるのを待ってから応答するのではなく、聞きながら同時に話せます。従来のターン制音声システムは、不自然な間やタイミングのずれた割り込みで会話の流れが途切れがちでした。GPT-Live-1はこうした摩擦を取り除き、人と話している感覚に近いやり取りを目指します。 応答性だけでなく、細かい指示への追従性も向上しています。スケールで一貫したブランドらしい対応が求められる企業にとって重要です。カスタムボイス対応でアシスタントの声を組織ごとに定義でき、電話網連携は標準的な電話回線での運用を可能にします。これは多くのカスタマーサービス業務で必須の要件です。 今回のリリースは、AI各社の競争で音声が主要な戦線になりつつあることを示します。テキストベースのアシスタントが成熟する中、流暢な音声会話力が、電話で問い合わせる顧客を想定する市場での差別化要因になり得ます。 開発者にとってGPT-Live-1は、音声認識・合成・対話管理を寄せ集めずに会話型音声を追加する手段になります。今後の焦点は、雑音や訛り、予測不能な展開が当たり前の実際の人間会話でどこまで性能を発揮できるかです。