
2026/07/09 2:03
GPT ライブ
RSS: https://news.ycombinator.com/rss
要約▶
日本語訳:
OpenAI は今日から iOS、Android、ChatGPT.com で利用可能な新音声インターフェース「GPT‑Live」をグローバルにローンチしました。このシステムは、継続的な会話を複雑なバックグラウンドタスクと分離しており、ウェブ検索や推論処理が GPT‑5.5(基本的なフローには「Instant」版、中・高負荷には「Thinking」版を特定して使用)といった強力なバックスエンドモデルに委ねられるため、ユーザーは自由に話せます。順次展開されるのは 2 つのバージョンです:Go、Plus、Pro ユーザー向けのデフォルトとなる GPT‑Live‑1 と、Free ユーザー向けの GPT‑Live‑1 mini です。初期テストでは、どちらも以前の実装よりも流れ、自然さ、中断処理において大幅な性能向上が確認されました。特定のベンチマークにおいて、GPT‑Live‑1 は専門的な科学的推論(GPQA)、エージェント型ウェブ検索(BrowseComp)、複数ターンによるテレコムサポートタスクなどにおいて、Advanced Voice Mode を大きく上回っています。このアーキテクチャはリアルな対話のためにフルダプleks リスニングとスピーキングを支援します。アップデートには 9 つのリマスター済み音声、ハイリスク状況に対する親が管理できる堅牢なティーン保護機能、音声ネイティブな安全性評価、リアルタイム危機ホットラインフローが含まれています。ローンチ時はビデオや画面共有なしで音声オンリーがデフォルト体験ですが、特定のニーズのためにはレガシーオプションも引き続き利用可能です。高度な機能はまもなく開発者 API に展開される予定です。
本文
AI 対話の次世代モデル「GPT-Live」をリリースしました
OpenAI は、人間との会話がより自然で深いものになる**次世代の音声モデル「GPT-Live」**を公式にリリースいたしました。
🚀 GPT-Live の概要と特徴
GPT-Live は、従来の技術的制約を超えた新しい対話体験をもたらします。
-
フルダプレックス型アーキテクチャの採用
- 聴取と発話を同時に行うことが可能になりました。
- 「mhmm」「yeah」といった反応で集中を示し、ユーザーの思考時間を尊重した静かな対応も可能です。
- これにより、これまでになかったほど話しやすく自然な音声体験を実現します。
-
最高水準の知能と背景処理
- ウェブ検索や深い推論、複雑なタスクが必要な問いに対しては、裏側で最新の「frontier モデル(現在のGPT-5.5)」に処理を委譲します。
- 結果が用意されるまで、対話を途切れさせず続けることで、会話の中断を防ぎます。
- 将来的には、新しい frontier モデルがリリースされるたびに継続的にアップデートされてまいります。
🌍 現在と今後の提供状況
-
公開開始
- 「GPT-Live-1」とその軽量版「GPT-Live-1 mini」の 2 つを、世界中のユーザーへ段階的に公開中です。
- API 提供予定: 開発者や企業が API を利用できるようになりつつあります(詳細は後述)。
-
ChatGPT Voice の進化
- ChatGPT ボタンからアクセスできる新しい体験を提供します。
- 特徴: より自然な会話、賢い回答、鋭敏な傾聴、ビジュアルでの回答提示。
- 「本当に人間同士の会話」のような感覚:
- 質問を挟んで中断できる。
- 考えを整理するために一時停止できる。
- チャットボットのペースでゆっくり話せる。
- 「got it(承知しました)」などの反応で理解を示す。
-
利用プランによるモデル選択
- Go, Plus, Pro プラン: デフォルトはGPT-Live-1。
- Free プラン: デフォルトはGPT-Live-1 mini。
- 推論レベルの選択:
: 即応性を重視する場合に推奨。Instant
/Medium
: ChatGPT に思考時間を与えたい場合に推奨。High
⚙️ 技術的な革新:従来の課題を克服する 2 つのアプローチ
過去の音声 AI は、自然さの追求と複雑なタスク処理の間で妥協点がありました。GPT-Live は以下の 2 つの変化でそれらを解決します。
-
フルダプレックス型アーキテクチャによる連続的な相互作用
- 離散的なメッセージではなく、入力処理中に出力を継続生成。
- 1 秒間に何度も判断を下せるため、「話す」「聞く」「一時停止」「割り込む」などの自然な時間感覚が維持されます。
- メリット: 高速で表現豊かな応答、能動的な傾聴の実現。
-
連続的な相互作用と深い処理の分離
- 検索や推論などは裏側で別のモデル(GPT-5.5 など)へ委譲し、対話を中断させません。
- メリット: 常に最新モデルを活用しつつ、頂点性能を持つ知性と自然な対話を融合。
📊 パフォーマンス評価結果
- GPQA (科学的推論): GPT-Live-1 は生物学・化学・物理学の専門家教養を測るテストで、Advanced Voice Mode を大幅に上回りました。
- BrowseComp (ウェブ検索エージェント): 困難な情報の発見において Advanced Voice Mode よりも著しい向上を示しました。
- τ³-Voice Telecom: リアルな電話サポートタスクにおいて、音声エージェントの能力を測るテストで上回りました。
注記: 今回は最新推論モデル(GPT-5.5 Instant 或いは GPT-5.5 Thinking)を活用したカスタマイズされたユーザーモデルでの評価結果です。
🛡️ 安全性とウェルビーイング
「デフォルトで安全であること」を設計の原則としています。
- 包括的な評価:
- オーディオネイティブ(音声固有)の評価を導入し、安全性テストの範囲を拡大。
- 自傷行為、精神病、AI への感情的依存、暴力、性的コンテンツなど主要リスク領域に特化。
- リアルタイム防護機能:
- 潜在的なリスクを検知した場合は、安全な回答へ誘導したり、追加メッセージを表示したり、必要に応じて会話を終了させます。
- 自傷行為の場合: 専門家が審査済みの危機ホットラインへのアクセスを提供し、既存のサポートフローを音声向けに最適化しています。
- 青少年保護:
- ティーンエイジャーユーザーに対して不適切な回答のリスクを減らすための年齢適応学習をモデル内で実施。
- 親御様は「ペアレンタルコントロール」でお子様の利用可否を選択可能です。
- 高リスク状況での通知機能も備えています。
- なりすましの防止:
- 音声 impersonation(偽装)を防ぐため、プリセットされた ChatGPT の声のみを使用します。
我々は安全性とウェルビーイングについて継続的にモニタリングし、防护措施の改善に取り組んでまいります。
📱 利用開始に関する詳細
- 対応プラットフォーム: iOS、Android、ChatGPT.com(段階的公開中)
- 対応言語: 主要言語の一部を最適化済み。その他の言語も引き続き改善中です。
- 機能の制限と今後の予定:
- ローンチ時は動画共有や画面共有との連携は対応していませんが、近日中に導入予定です。
- 旧来の「標準型」や「Advanced Voice Mode」も引き続き利用可能です。
開発者向け API の登録 今後間もなく API でも提供されます。関心をお持ちの場合は以下のフォームよりご連絡ください。