OpenAI、GPT-Liveを発表：会話はもう交互に話さなくていい、難題はGPT-5.5へ
- OpenAI が次世代の音声モデル GPT-Live を発表。全二重（フルデュプレックス）アーキテクチャを採用し、音声を生成しながら入力を処理し続け、聞きながら話す自然な会話を実現する。
- ネット検索や深い推論、複雑なタスクが必要になると、GPT-Live はその問題をリアルタイムで裏側の GPT-5.5 に渡して処理させる。あなたとの会話は途切れない。
- GPT-Live-1 と GPT-Live-1 mini の 2 バージョンを投入し、本日から世界中の ChatGPT ユーザー向けに提供開始。Go / Plus / Pro は既定で GPT-Live-1、Free ユーザーは既定で mini 版を使う。
- 人手による直接比較（ヘッド・トゥ・ヘッド）評価では、GPT-Live-1 も mini も Advanced Voice Mode より明らかに好まれた。GPQA、BrowseComp、τ³-Voice Telecom の 3 つの評価でも後者を上回っている。
- 音声に天気 / 株価 / スポーツなどのビジュアルカードを追加。推論の強さも調整でき（Instant / Medium / High）、音声シーン向けに自傷や情緒的依存などの安全対策も強化した。
OpenAI が GPT-Live を発表：音声対話でもう交互に話す必要はない
OpenAI は 2026 年 7 月 8 日に次世代の音声モデル GPT-Live を発表し、これを ChatGPT Voice の次世代の基盤モデルとして、本日から世界中のユーザー向けに提供を開始した。
GPT-Live がやってのけるのは、あなたと AI が話すときにもう交互に口を開かなくてよくする、ということだ。あなたの話を聞きながら同時に返事ができ、話している途中でも遮って問い返せる。ネットで調べる必要や頭をひねる必要のある難問にぶつかると、その仕事をこっそり裏側のより強力な GPT-5.5 に渡す。あなたとの会話は途切れない。
なぜ注目に値するか：従来の Advanced Voice Mode はあなたが話し終えるのを待ってから返事をしていたが、GPT-Live は全二重アーキテクチャで聞きながら話すことを実現した。GPQA、BrowseComp、τ³-Voice Telecom の 3 つの評価でいずれも Advanced Voice Mode を上回った。本日から GPT-Live-1 と GPT-Live-1 mini の 2 バージョンが世界で利用可能になる。
2 本の音波が同時に揺れ、互いに遮らない — これが全二重対話の姿だ。
従来のやり方はどこで詰まるか：バケツリレーは情報を落とし、交互式は話を奪う
GPT-Live のどこが新しいかを理解するには、まず過去 2 世代の音声方式がどこで詰まっていたかを知る必要がある。どちらも AI と対話はできるが、それぞれに気まずい欠点が一つある。3 つのアーキテクチャを並べて見ると一番わかりやすい。
（カスケード方式）
でもやはり交互
送受信を兼ねる↓ あなたが黙る
= 話し終えたと判断↓ そこで返事する
（全二重）
リレー競走のようなものだ。音声を文字に、AI が答えを考える、文字を音声に、が 3 人の走者で、バトンの受け渡しのたびに落とす可能性がある — つまり、あなたの言葉の情報を少しずつこぼしてしまう。
同じ「ねえ、ちょっと話せる？」というひと言を、3 世代のアーキテクチャがどう発話するか。OpenAI が実際の録音を公開しているので、直接聞き比べられる。
ブレイクスルー①：1 つのモデルが聞きながら話す、話し終わりを待たない
GPT-Live の第一の変更は、継続的な対話のために全二重アーキテクチャ（full-duplex、同じ時間に聞くことも話すこともできる仕組み）を専用に組んだことだ。対話を一つひとつ別々のメッセージに分けるのをやめ、あなたの入力を処理し続けながら、同時に返事を生成し続ける。
聞くことと話すことが同時に走っているため、モデルは毎秒何度も判断できる。今話すべきか、それとも聞き続けるか、少し止めるか、遮るか、ツールを呼び出すか。その結果、より自然なやり取りと、より良いタイミング感覚が生まれ、リアルタイム翻訳さえこなせる。
トランシーバーは同じ時間に一人しか話せず、もう一方は待つしかない。電話なら両側が同時に口を挟め、いつでも相手を受け止められる。全二重の音声モデルは、AI をトランシーバー方式から電話方式に切り替えたようなものだ。
あなたが話す → 手を離す → そこで話す → 話し終える → やっとあなたの番。途中で少し間を置くと「話し終えた」とみなされ、割り込んで話を奪ってくる。
あなたが話すと同時に、それは聞き、判断している。手を止めて考えると、静かに待つ。返事を促すとようやく口を開き、「うん」「わかった」といった相づちで、ちゃんと付いていることを知らせてくれる。
ブレイクスルー②：日常会話は自分でこなし、難問はより強いモデルに任せる
第二の変更は、「あなたとおしゃべりする役」と「重い仕事をこなす役」を切り分けたことだ。GPT-Live は継続的な対話に専念する。ネット検索が必要、推論が必要、一連の agentic 操作が必要な問題にぶつかると、その難しい仕事を別のより強いモデル、つまり発表時点で使われている GPT-5.5この裏側のエンジンは固定ではない。今後 OpenAI がより強いフロンティアモデルを出せば、GPT-Live の背後につながるのは新しいものに差し替わり、対話層は作り直さなくていい。 に委任する。委任している間も、あなたとの会話はそのまま進み、結果が出たら会話に戻して続ける。
具体的なシーンでどう動くか見てみよう。運転中に音声で ChatGPT に「明日の北京発上海行きの便にまだ空席があるか調べて」と聞く。これはネットで調べる仕事だ。GPT-Live は引き続きあなたと話しながら、タスクを裏側に投げ、裏側が調べ終えたら答えを会話につなぐ。あなたは終始、引っかかりを感じない。
評価結果：おしゃべりの体験も専門的な問題も旧版より強い
OpenAI は今回の発表に向けて新たな人手評価を行い、対話が快適か、滑らかかを測り、いくつかの汎用能力の評価でも Advanced Voice Mode と比較した。以下の結果はいずれも OpenAI 公式によるものだ。
人手による直接比較評価のやり方：5 〜 10 分の対話をしてもらい、総合的な好み、ターンの交代、割り込み、滑らかさ、自然さの 5 つの観点から比較し、各対話で GPT-Live と Advanced Voice Mode のどちらがより好まれるかを見る。
ほかに、個別に採点する対話評価テストもある（満点 7 点、対話の滑らかさと全体の快適さをカバー）：
| モデル | 対話の滑らかさ | 快適さ |
|---|---|---|
| GPT-Live-1 | 4.96 | 5.19 |
| GPT-Live-1 mini | 4.33 | 4.47 |
| Advanced Voice Mode | 3.80 | 3.82 |
この 3 つの汎用評価は音声向けに設計されたものではなく、モデル自体の能力を試すもので、比較対象は同じく Advanced Voice Mode だ。
τ³-Voice Telecom の評価は、タスクの達成率と所要時間を同時に見る。推論の強さが高いほど正確だが遅くもなる。
| モデル | 所要時間の中央値 | タスク成功率 |
|---|---|---|
| AVM | 385.5 秒 | 29.5% |
| GPT-Live-1 mini | 290.9 秒 | 39.5% |
| GPT-Live-1 · Instant | 231 秒 | 37.3% |
| GPT-Live-1 · Medium | 295 秒 | 59.6% |
| GPT-Live-1 · High | 386 秒 | 63.4% |
ChatGPT の音声を開くと、今どんな変化を感じられるか
毎週 1.5 億人以上が ChatGPT の音声・ディクテーション機能を使い、手を使わない日常の助手として、外国語の練習に、寝る前の物語に、あるいは通勤中の雑談に使っている。本日から、音声ボタンを押して話すと、使われるのは GPT-Live だ。
より人間らしい対話に、そして聞き上手に
いつでも口を挟んで質問したり、手を止めて考えを整理したり、ゆっくり話してもらったりできる。「うん」「わかった」といった相づちで、ちゃんと付いていることを示す。9 つの音声もすべて作り直した。
少し言い回しを考えているだけなのに、話し終えたとみなされ、割り込んで話を継ぎ、あなたを遮ってしまう。
静かに待ち、急いで返事しない。声を出さずに聞いていて、と頼めばその通りにする。車の流れや人の声といった背景ノイズがあるときも、あなたの声により集中できる。
必要なときはより賢い答えを
音声は今、最新のフロンティアモデルを呼び出せる。推論の強さも自分で選べる。速さがほしいなら Instant、もっと考えさせたいなら Medium か High を使う。
答えによっては、見えたほうが役に立つ
話しながら、ChatGPT は今、天気・株価・スポーツのスコアなどのカードを直接見せられる。わざわざ打ち込んで確認する必要はない。音声はこれまで通り、検索・メモリ・画像・ファイルのアップロードにも対応する。
ほかに、OpenAI 公式による実際のスクリーンショットが 2 枚：
音声シーン専用の安全設計
GPT-Live は最新モデルの安全性を土台に、音声という新しい形式に向けて、専用の安全トレーニングと防護を追加した。
実際の利用に近い安全テスト
OpenAI は安全テストを音声ネイティブの評価にまで広げ、さらに合成音声で一連のテストを作って、いくつかの重要なリスクを重点的に見た。加えて、社内の専門家に音声特有のリスクを狙ったレッドチームテストを行わせた。原文によれば、ほぼすべての評価領域で GPT-Live の成績は Advanced Voice Mode に並ぶか上回った。重点的に見たリスクには次のものが含まれる。
話している最中に介入できる防護
音声対話はリアルタイムで進むため、OpenAI はモデルが話している最中に働く防護を用意した。システムが安全でない可能性のある内容を見つけると、次の 3 つのうちの 1 つを行える。
自傷に関わる対話では、OpenAI は ChatGPT のサポートの流れを音声版に合わせて適応させた。専門家が確認した危機ホットラインのサポートも含まれる。
未成年と声の保護
未成年ユーザーに向けて、モデルのトレーニングに年齢に応じた振る舞いを組み込んだ。保護者は Parental Controls で子どもが ChatGPT の音声を使えるかどうかを決められる。自傷や自殺の意図の兆候がある高リスクな状況では、連携した保護者に通知が届くことがある。さらに、GPT-Live はプリセットの音声一式のみを使い、防護を備えて、実在の人物の声を真似ない。
今すぐ使える？：対象範囲と制限
GPT-Live は本日から世界中の ChatGPT ユーザー向けに提供を開始し、iOS、Android、ChatGPT.com をカバーする。プランごとに既定でどのバージョンを使うかは、下の階層図を見てほしい。
現段階の制限もいくつか知っておく価値がある。GPT-Live は ChatGPT で最も人気のある一群の言語向けに最適化されており、一部の言語ではまだ非母語のなまりが残ったり、十分に滑らかでなかったりする可能性がある。OpenAI は改善中だと言う。提供開始時点では、動画や画面共有と組み合わせた音声にはまだ対応しておらず、これらの機能は近く登場する。API も近く開放され、開発者や企業はフォームに登録して通知を待てる。
- 日常の音声での質疑、外国語の練習、通勤中の雑談で、割り込み・考えるための間・ゆっくり話す要求が自然に認識され、頻繁に話を奪われたり誤判定されたりしなくなる。
- ネットで調べもの、専門的な科学の問題、複雑な複数ステップのタスクにぶつかっても、音声対話で深いモデルに近い正確さが得られる。裏側で GPT-5.5 がリアルタイムに処理するからだ。
- 天気・株価・スポーツのスコアといった情報を調べるとき、音声対話の中でビジュアルカードを直接見られ、わざわざ打ち込んで確認する必要はない。
- 保護者は Parental Controls で未成年が音声機能を使えるかどうかを管理でき、自傷 / 自殺の意図に関わる高リスクな対話は連携した保護者に通知される。
GPT-Live は全二重アーキテクチャの上に築かれており、聞くことと話すことを同時にできる。ウェブ検索やより深い推論、より複雑な作業が必要な問題については、裏側で私たちの最新のフロンティアモデルに委任し、結果が整ったら会話に戻す。 OpenAI『Introducing GPT-Live』2026 年 7 月 8 日