OpenAI GPT‑Live リリースノート

OpenAI GPT-Live リリースノート

OpenAI は GPT‑Live を導入しました。これは、ターン制のやり取りを超えて、流れるような人間らしい会話を実現する新世代の音声モデルです。主な進歩は、AI が同時に聞き取り・発話できるフルデュプレックスアーキテクチャで、自然な割り込みや「うん」や「そうだね」などの相槌、タイミング感覚の向上を可能にします。

フルデュプレックスアーキテクチャと継続的インタラクション

GPT‑Live は従来の音声システムの硬直したターンテイキングを、継続的インタラクションモデルに置き換えます。音声→テキスト、巨大言語モデル、テキスト→音声といったカスケード方式や、応答をトリガーするために沈黙が必要なターン制モデルとは異なり、GPT‑Live は入力を受け取りながら同時に出力を生成します。

このアーキテクチャの転換により、モデルは秒間複数回にわたってインタラクションの判断を行い、発話・一時停止・割り込み・ツール呼び出しのいずれかを決定できます。その結果、ユーザーが考えるために間を置いたり、背景ノイズがある場合でも、AI が会話の流れを保ち続ける、より表現力豊かな体験が実現します。

背景での GPT‑5.5 への委譲

高速なインタラクションを保ちつつ知性を犠牲にしないため、GPT‑Live は会話インターフェースと深い推論を切り離します。クエリがウェブ検索や高度な推論、エージェント機能を必要とする場合、GPT‑Live はバックグラウンドでフロンティアモデル（リリース時は GPT‑5.5）にタスクを委譲します。

この委譲により、より強力なモデルが複雑なリクエストを処理している間も、AI は会話を続け、流れを維持できます。ユーザーは推論の深さを選択できます：

  • Instant: 速くて日常的な応答向け。
  • Medium と High: より多くの考慮時間が必要なタスク向け。

モデルバージョンと提供状況

OpenAI は主に 2 つのバージョンを展開しています：

  • GPT‑Live‑1: ChatGPT Plus、Pro、Go ユーザーのデフォルト。
  • GPT‑Live‑1 mini: 無料ユーザーのデフォルト。

これらのモデルは iOS、Android、Web 全体にグローバルにデプロイされます。また、開発者や企業向けに API でも同様の機能を提供する計画があります。

パフォーマンスと安全性

GPT‑Live‑1 は、専門的な科学的推論（GPQA）、エージェント的ウェブ検索（BrowseComp）、実務的なテレコムサポートタスク（τ³‑Voice Telecom）において Advanced Voice Mode を上回ります。

安全対策として、音声ネイティブの評価と音声偽装防止のための専用トレーニングが実施されています。システムはリアルタイムで安全性を確保するガードレールを備えており、危険度の高いシナリオ（例：自傷行為に関わる会話）ではモデルの応答を安全な方向へ誘導したり、会話を終了させたりします。ティーンエイジャー向けには保護者コントロールなどの追加保護機能も用意されています。

コミュニティの洞察とユーザーフィードバック

早期アクセスとコミュニティディスカッションから得られたユーザーフィードバックは、システムの可能性と限界の両方を浮き彫りにしています：

技術的強み

  • ブレインストーミングとフロー: 背景で GPT‑5.5 に委譲することで、最大 1 時間に及ぶ長時間のブレインストーミングが成功したとの報告があります。
  • アクセシビリティ: 視覚障害者は、低遅延音声インタラクションと将来のビデオ/スマートグラス統合を組み合わせることで、ナビゲーション支援が革命的になる可能性を指摘しています。

現在の制限事項

  • 推論のギャップ: 音声応答が GPT‑5.5 を呼び出していても、テキストチャットに比べて「曖昧」になりがちで、詳細が不足すると指摘するユーザーがいます。
  • インタラクションの奇妙さ: AI がユーザーを過度に割り込んだり、会話を切って「トーンを調整」しようとしたり、ジョークではない発言を笑い飛ばすケースが報告されています。
  • ツール統合: 音声モードを抜けずにアプリベースのタスクを実行できる、より深いツールやコネクタの統合を求める声があります。
  • 競合状況: 同様のフルデュプレックス機能は Gemini Live で 1 年以上前から提供されており、OpenAI がこのモダリティで遅れを取っているとの指摘があります。

"最も優れた機能は、質問をバックグラウンドで GPT‑5.5 に委譲できる点です。そのため、数年遅れの音声モデルに縛られることがなくなります。"

"'LLM の注意機構はドット積を使うべきで、余弦類似度ではない' と質問したところ、音声応答は方向性は合っていたものの詳細が不足していました。同じ質問をテキストチャットで行うと、はるかに高品質な回答が得られました。"

Sources