OpenAI、Codexにハンズフリー音声操作を搭載

OpenAIは、人間とAIのより自然な対話を目指し、全二重（フルデュプレックス）音声制御をCodexおよびChatGPTデスクトップアプリケーションに統合する重要な一歩を踏み出しました。この機能はGPT-Liveをベースにしており、開発者は手を使わずに音声コマンドでコーディングワークフローを制御しながら、AIの応答を同時に聞くことができます。 これは単なるプッシュ・トゥ・トーク機能ではありません。全二重とは、ユーザーとAIの両方が同時に話したり聞いたりできることを意味し、人間同士の会話により近い流れを実現します。開発者にとっては、コードとの新しい対話方法を意味します。バグを説明し、AIの修正提案を聞き、ボタンを押したり中断したりすることなくフォローアップの質問ができるのです。 この機能は現在、ChatGPTデスクトップアプリのmacOS版とWindows版、およびOpenAIのAI搭載コーディングアシスタント「Codex」内で利用可能です。初期のユーザーからは、デバッグセッションやコードレビュー、マルチモニターでのマルチタスク時に特にハンズフリー機能が役立つとの報告が上がっています。 OpenAIはまた、技術用語に最適化された音声モデルを採用。プログラミング用語、関数名、構文参照を正確に認識するため、手動修正の必要性が減り、正確さが求められる実際の開発環境でも実用的です。 業界関係者は、音声によるコーディング制御が身体障害を持つ開発者への障壁を下げ、タイピングよりも音声での対話を好む開発者の生産性を向上させる可能性があると指摘しています。また、AIとのより自然なペアプログラミングへの道を開くものとも言えます。 この統合は段階的に展開されています。OpenAIはまだ価格変更やエンタープライズ顧客向けの提供開始を発表していませんが、この機能は既存のChatGPT PlusおよびTeamサブスクリプションに含まれる見込みです。