OpenAI、ChatGPTの音声会話を大幅進化「GPT-Live」—同時双方向で自然な対話を実現

OpenAIは、ChatGPT向けのフルデュプレックス音声アップグレード「GPT-Live」を正式にリリースしました。これにより、ユーザーとAIのインタラクションのあり方が根本的に変わります。従来の音声モードでは、システムが聞き取り、処理し、応答するという逐次的な流れでしたが、GPT-Liveは聞きながら同時に話すことが可能です。このフルデュプレックス機能は、従来の「Advanced Voice Mode」を置き換え、人間同士の自然な対話に近いやり取りを実現します。 新システムは、2つの異なるモデルが連携して動作します。一方のモデルがリアルタイムの音声入力を処理し、もう一方が音声応答を生成します。この並列アーキテクチャにより、割り込み、相槌、話の重なりといった、人間の会話では一般的だがAIが再現するのが難しいとされてきた特徴が可能になりました。ユーザーはAIの話の途中で割り込んでポイントを明確にすることができ、システムは遅れることなく応答を調整します。 OpenAIによると、GPT-Liveは音声対話の「ロボット的」な印象を劇的に軽減します。システムは感情のトーンを検出し、話す速度を調整し、状況に応じて「えーと」「あのー」といった会話のつなぎ言葉を自然に使うこともできます。初期のユーザーからは、コマンドを発行するというよりも、知識豊富な同僚と話しているような感覚だという報告が寄せられています。 このアップグレードはChatGPT PlusおよびEnterpriseユーザーから順次提供され、数週間以内にさらに広く利用可能になる見込みです。音声がAIの主要なインターフェースとなる中、GPT-Liveは会話型AIの新たなベンチマークを打ち立てました。この技術は、自然な発話のダイナミクスが重要となる教育、セラピー、カスタマーサービス、エンターテインメントなど、より没入感のあるアプリケーションへの道を開きます。