OpenAIが7月8日に発表した新しい音声モデル「GPT-Live」で、ChatGPTとの会話から「ターン制」が消えた。これまでの音声対話は「人が話し終える→AIが答える」の順番待ちだったが、GPT-Liveは人間同士の電話のように、聞きながら同時に話せる。
相づちを打ち、話に割り込み、割り込まれたら黙る。7月8日から世界で順次展開されており、数日かけてiOS・Android・Webに行き渡る。
「全二重」で何が変わるのか
GPT-Liveは1秒間に何度も「話すか、聞き続けるか、黙るか」を判断し続ける。この小さな判断の積み重ねが、「AIと話している感」を消す。あいづちのタイミング、言いよどみへの反応、割り込みへの譲り方——会話の”間”こそが今回の本体だ。
図: ターン制から全二重への変化
誰がどのモデルを使えるのか
| モデル | 既定になるユーザー |
|---|---|
| GPT-Live-1 | ChatGPT Go / Plus / Pro(有料プラン) |
| GPT-Live-1 mini | 無料ユーザー |
| API | 「近日提供」(関心登録のみ・日付未定) |
裏側では推論モデルが並走して思考を支える構成が報じられており、「テンポの良い会話」と「考える深さ」を分業させる設計だ。GPT-5.6の3層構成と同じく、1つの巨大モデルで全部やる時代の終わりを感じさせる。
itmedia.co.jp OpenAI、リアルタイム音声モデル「GPT-Live」公開 相づちも割り込みも、より人間らしい会話に 日本語での第一報。デモの様子と提供スケジュールがまとまっている。音声AIの勢力図への影響
自然な音声会話は、語学学習・カスタマーサポート・運転中や料理中の「ながら利用」を一気に実用にする。とりわけ電話業務の自動化は、ターン制の不自然さが最後の壁だった領域で、全二重はそこを直接壊しに来ている。APIが開けば、音声ボット界隈の作り直しが始まるだろう。
まだ分からないこと
残る不明点は3つ。APIの提供日と価格。日本語での相づち・割り込みの自然さ(デモは英語中心)。そして常時マイクを聞き続ける方式のプライバシー設計だ。特に日本語は相づち文化が濃く、ここの出来がそのまま日本での評価を決めると筆者は見ている。
会話の「間」がAIの新しい戦場になった
賢さの競争、価格の競争に続いて、始まったのは「会話の自然さ」の競争だ。GPT-Liveの登場で、音声AIの評価軸は「何を答えるか」から「どう話すか」へ広がった。スマホのChatGPTアプリで順次使えるようになるので、まずは雑談で”間”を体感してみてほしい。
出典: ITmedia NEWS / Impress Watch / 窓の杜 / gihyo.jp
