GPT-Liveとは？

OpenAIはGPT-Liveを発表しました。これはChatGPT Voiceの原動力となる新世代の音声モデルです。その主要な機能は単純に聞こえますが、そうではありません。GPT-Liveは同時に聞き取り、話します。

Advanced Voice Modeを含むこれまでのChatGPTの音声体験はすべて、ターン制でした。あなたが話し、ChatGPTが待ち、そして答えるという流れです。GPT-Liveは全二重で動作します。入力音声を処理しながら出力を生成し、毎秒何度も話すか、聞き続けるか、一時停止するか、割り込むか、ツールを呼び出すかを判断します。あなたが何かを説明している間に「んー」と相槌を打ったり、あなたが考えている間は待機したり、あなたが途中で言葉を切っても自然に回復したりすることができます。

GPT-Liveの概要

4つのバリアントとそれを支えるもの

GPT-Liveはファミリーとして提供され、OpenAIは内部構造について異例の明瞭さで説明しています。「GPT-Live-1（インスタント）とGPT-Live-1 miniはバックグラウンドでGPT-5.5 Instantモデルを使用し、GPT-Live-1 MediumとGPT-Live-1 Highは中程度と高度な推論労力でGPT-5.5 Thinkingモデルを使用します。」

つまり、音声レイヤーが製品であり、その裏でGPT-5.5が重要な思考を担っています。実際には：

• GPT-Live-1は日常使いのドライバーであり、現在Go、Plus、Proの購読者向けのデフォルトです。
• GPT-Live-1 miniは無料版ユーザーに同じ全二重の対話スタイルを提供します。
• GPT-Live-1 MediumおよびHighは、GPT-5.5 Thinkingによる中程度および高度な推論を背景に、応答速度と引き換えに深い推論を提供します。

委任：第二のアーキテクチャ的アイデア

全二重はデザインの半分に過ぎません。もう半分は委任です。「質問が検索、推論、またはよりエージェント的な能力を必要とする場合、GPT-LiveはタスクをGPT-5.5のような別のモデルに委任でき、準備ができたら結果を会話に組み込みます。」

これは、従来の音声AIのジレンマを解決します。リアルタイムチャットに十分な速度のモデルは難しい質問には浅すぎ、難しい質問に十分なスマートさを持つモデルは会話には遅すぎるという問題です。GPT-Liveはこの仕事を分割します。音声モデルは会話を生き生きとさせ、相槌も含め、より強力なモデルがバックグラウンドで作業します。あなたは話し続け、答えは準備ができ次第届きます。

GPT-Liveがリリース時にできること

会話の仕組みに加えて、リリース時の機能セットには以下が含まれます：

• 会話に組み込まれるウェブ検索
• 会話中の言語間リアルタイム翻訳
• 天気、株価、スポーツなどの情報を画面に表示するビジュアルカード
• 音声会話内での画像とファイルのアップロード
• ChatGPTの他の機能と一貫した記憶機能

そして、リリース時のギャップ：「リリース時、GPT-LiveはChatGPTでのビデオや画面共有を伴う音声をサポートしません。」Advanced Voice Modeは、対象となる購読者に対してこれらの機能を引き続き提供し、StandardとAdvanced Voice Modeの両方が引き続き利用可能です。カメラで何かを指し示すことがあなたのワークフローにとって重要であれば、まだ切り替えないでください。詳細はGPT-LiveとAdvanced Voice Modeの比較に記載されています。

OpenAIが引用するベンチマーク

OpenAIは、競合製品ではなくAdvanced Voice Modeと比較して、3つの評価を挙げています：

• GPQA： GPT-Live-1は、生物学、化学、物理学にわたる専門家レベルの科学的推論において、Advanced Voice Modeを「大幅に上回る」性能を示します。

• BrowseComp： エージェント型ウェブ検索や見つけにくい情報において「強力な進歩」が見られます。

• τ³-Voice Telecom（社内バリアント）：現実的な複数ターン対応の通信サポートタスクでより良いパフォーマンスを発揮します。

OpenAIはまた、ユーザーが5分から10分の直接対話でGPT-Liveを「強く好んだ」と報告しています。欠落している点に注意してください。公開されているスコア、レイテンシの数値、および価格です。これらの主張は方向性を示唆するものであり、ベンダーが報告したものですので、スコアボードではなく「傾向」として捉えてください。出荷製品の比較記事がテスト可能になった時に、競合の数値が明らかになるでしょう。

開発者の現状

現在、GPT-Live APIはありません。OpenAIの正確な言葉は次のとおりです。「私たちはこれらを近々APIにも導入する予定であり、開発者や企業はこのフォームを使用して通知を受け取るために登録できます。」

現在、音声エージェントを構築するために存在するものは、gpt-realtime-2.1ファミリー、WebSocketおよびWebRTCトランスポート、SIP電話通話、MCPサーバーサポートを備えたリアルタイムAPIです。音声製品を計画している場合、実用的なガイドはGPT-Live APIはありますか？開発者が今日利用できるものであり、2つのスタック間の名前の混乱はGPT-LiveとGPT-Realtimeの比較で解消されています。

その間、リアルタイムAPIに対してプロトタイピングを行う場合、Apidogは、WebSocketセッションのテスト、ストリーミングイベントの検査、ライブモデル接続にクライアントの作業がブロックされないように音声バックエンドのモックなど、地味な部分を処理します。

GPT-Liveを試す方法

展開はグローバルですが、iOS、Android、およびchatgpt.comで段階的に行われます。有料ユーザーはGPT-Live-1が新しい音声デフォルトとして提供され、無料ユーザーはGPT-Live-1 miniが提供されます。アプリを更新し、音声を起動して、どのモデルが応答するかを確認してください。まだ何も変更されていない場合は、ロールアウトがまだあなたのアカウントに到達していません。段階的なセットアップ、バリアントの切り替え、CarPlayパス（すべてのプラン、iOS 26.4以降）については、GPT-Liveの使い方で説明されています。

このリリースが重要な理由

音声は、過去2年間、最もデモ映えするが最も実用化されていないAIインターフェースでした。ターン制は、すべてのAIアシスタントをウォーキー・トーキーのように感じさせました。全二重と委任は、会話をトランザクション的ではなく連続的として扱う初の主流アーキテクチャであり、OpenAIはこれを実験的なプレビューではなく、デフォルトとして数億人のユーザーに提供しました。

このアーキテクチャの開発者版は「近々」登場します。それが実現すれば、リアルタイム音声エージェントは新しいベースラインでテストできるようになります。それまでは、リアルタイムAPIのパスが実用的なシステムが構築される場所です。もし今構築しているのであれば、Apidogを無料でダウンロードしてください。WebSocketデバッグだけでもその価値はあります。

FAQ

GPT-Liveとは一言で言うと？ OpenAIの全二重音声モデルファミリーで、ChatGPT Voiceの原動力です。話しながら聞き取り、自然に相槌を打ち、難しい質問はバックグラウンドでGPT-5.5に委任します。

GPT-Liveは無料ですか？ 無料版ユーザーはGPT-Live-1 miniがデフォルトの音声モデルとして提供されます。有料版（Go、Plus、Pro）ではGPT-Live-1が提供されます。

GPT-Liveはビデオや画面共有をサポートしていますか？ リリース時点ではサポートしていません。Advanced Voice Modeは、対象となる購読者向けにビデオおよび画面共有を保持しており、OpenAIはこれらの機能を近々GPT-Liveに導入するべく作業中であると述べています。

GPT-Live APIはありますか？ まだありません。OpenAIは近々GPT-LiveをAPIに導入する予定です。開発者は現在、リアルタイムAPIを使用して音声エージェントを構築できます。

GPT-Liveを動かしているモデルは何ですか？ GPT-Live-1とminiはGPT-5.5 Instantで動作し、MediumとHighのバリアントは中程度および高度な推論労力でGPT-5.5 Thinkingを使用します。