OpenAIは2026年7月8日、AIとの会話を実際の会話により近づける新世代の音声モデル「GPT-Live」を発表しました。聞くことと話すことを同時に行える全二重アーキテクチャを基盤とし、相づちや素早い応答、考える時間を静かに待つといった対話上の判断を1秒に何度も行えます。検索や深い推論が必要な質問はバックグラウンドのGPT-5.5などに委任し、会話の流れを保ったまま結果を返します。同日からGPT-Live-1とGPT-Live-1 miniが世界中のChatGPTユーザーへ順次展開され、APIへの提供も近日予定されています。

アーキテクチャの刷新

旧世代の音声AIには制約がありました。初代ChatGPT音声モードのようなカスケード型は、音声テキスト変換、応答を生成する大規模言語モデル、テキスト音声変換の複数モデルを順に連結するため、モデル間で情報が失われる可能性があり、応答は遅くぎこちないものでした。高度な音声モードのようなターン制音声モデルは単一モデルで音声を処理・生成してレイテンシを減らしましたが、ユーザーが話し終えるのを待つ必要があり、沈黙に基づくターン検出のために短い間や背景ノイズを発話の終わりと誤認して不自然に割り込むことがありました。

GPT-Liveは全二重アーキテクチャを採用し、出力を生成しながら入力を継続的に処理します。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対話上の判断を1秒に何度も行え、時間感覚を保った自然なやり取りやライブ翻訳も可能です。さらに、検索や深い推論、エージェント的な機能が必要な質問はGPT-5.5のような別モデルに委任し、バックグラウンドで処理している間も会話を続けられます。提供開始時点ではバックグラウンドにGPT-5.5を使用し、新しいフロンティアモデルのリリースに合わせて継続的に更新するとしています。

評価結果

• ▸人間評価 — 条件をそろえた5〜10分の会話による直接比較で、全体的な好み、話者交替、割り込み、会話の流れ、自然さのいずれでも、GPT-Live-1とGPT-Live-1 miniが高度な音声モードより強く好まれた
• ▸GPQA — 生物学・化学・物理学にわたる専門家レベルの科学的推論テストで、高度な音声モードを大きく上回る
• ▸BrowseComp — エージェント的なウェブ検索と見つけにくい情報の探索を測るテストで、高度な音声モードに対し大きな向上
• ▸τ³-Voice Telecom(内部バリアント) — 現実的な複数ターンの通信サポートタスクで高度な音声モードを上回る

GPT-Live-1(即時モード)とGPT-Live-1 miniはバックグラウンドでGPT-5.5即時モードを、GPT-Live-1 MediumとGPT-Live-1 Highは中程度および高い推論量のGPT-5.5 Thinkingを使用します。

新しいChatGPT音声モード体験

• ▸利用規模 — 毎週1億5,000万人以上が音声やディクテーションなどの機能でChatGPTと話している
• ▸より自然な会話 — 途中で質問を挟む、考えをまとめる間を置く、ゆっくり話すよう頼むことが可能。相づちで聞いていることを示し、9種類の音声もGPT-Live向けにリマスター
• ▸より賢い回答 — 必要に応じて最新のフロンティアモデルを活用。推論レベルは、すばやい応答のInstantと、より時間をかけて考えるMedium・Highから選択可能
• ▸より的確な聞き取り — ユーザーが考える間を取ってもすぐに割り込まず、通り過ぎる車や近くの会話などの背景音があっても声に集中できる
• ▸視覚的な回答 — 天気・株価・スポーツなどのトピックで情報量の多いビジュアルカードを表示。検索、メモリ、画像、ファイルアップロードにも引き続き対応

安全性と提供状況

• ▸安全性テスト — 音声ネイティブ評価や生成音声を使った合成評価を追加してテストを拡大し、自傷、精神病症状と躁状態、AIへの情緒的依存、暴力、性的コンテンツを重点的に検証。ほぼすべての領域で高度な音声モードと同等以上の性能を示し、詳細はSystem Cardで公開
• ▸リアルタイム保護策 — 安全でない可能性のある出力を検知すると、より安全な応答への誘導、安全性メッセージやリソースの提示、リスクが高い場合の会話終了が可能。自傷に関わる会話では専門家の確認を受けた危機対応ヘルプラインを案内
• ▸10代への保護 — 年齢にふさわしい振る舞いをモデルに直接訓練し、ペアレンタルコントロールで音声モードの利用可否を選択可能。高リスクの状況では連携済みの保護者に通知が届く場合がある
• ▸なりすまし防止 — あらかじめ用意された一連の音声のみを使用し、実在する人物の声を模倣しないための保護策を装備
• ▸提供対象 — iOS、Android、ChatGPT.comで世界中のChatGPTユーザーに順次提供。GPT-Live-1はGo・Plus・Proユーザーの、GPT-Live-1 miniはFreeユーザーの音声モードの既定モデルに。APIは近日提供予定で、フォームから通知登録が可能
• ▸制限 — 一部の言語では非ネイティブのアクセントや流暢さの不足が生じる場合がある。リリース時点では動画付き音声や画面共有には非対応(近日導入予定)で、従来のChatGPT音声モードも引き続き利用可能
• ▸7月31日の更新 — GPT-Liveで生成された対応音声にSynthIDウォーターマークを付与。公開検証ツールとAPIで、対応音声ファイルからOpenAIの来歴シグナルを確認できるように