7月上旬から「ChatGPTと声で話すと、前より圧倒的に自然」という声が増えています。正体は、OpenAIが2026年7月8日に公開した新しい音声モデル「GPT-Live」。何が変わったのか、どう評価されているのか、料金や制限はどうなっているのかを、公式発表と安全性レポートなど一次情報からまとめました。

この記事の要点

  • 自然になった理由は賢さではなく「会話の作法」。話しながら同時に聞く設計（フルデュプレックス）になり、割り込み・相槌・間が人間の電話に近づいた
  • 難しい質問は裏で上位モデルGPT-5.5に任せ、待ち時間も会話を続ける分業のしくみ
  • 無料プランは小型版、有料プランはフル版が自動で有効。開発者向けAPIは「準備中」で、いま使えるのは別系統のRealtime API

何が起きたのか——ChatGPTの音声モードが全面刷新

OpenAIが2026年7月8日、新しい会話用音声モデル「GPT-Live-1」と小型版「GPT-Live-1 mini」を発表し、ChatGPTの音声モード（従来のAdvanced Voice Mode）を置き換えました。iPhone・Android・Web・CarPlayで即日展開され、追加の設定は不要。すでに音声や音声入力（ディクテーション）を使う人は1億5,000万人を超えるとされ、その全員の体験が入れ替わった計算です。

従来の音声モードは2024年ごろの知識のGPT-4o系モデルがベースで、「こちらが話し終わるのを待ってから返事をする」ターン制でした。会話としては、トランシーバーで話しているのに近い状態です。

カテゴリ: 製品・技術

なぜ自然に感じるのか——「話しながら聞く」フルデュプレックス

GPT-Liveの核心は、フルデュプレックス（全二重）という設計です。電話がお互いの声を同時に通すように、モデルが音声を出力しながら、同時にこちらの声を聞き続けます。

OpenAIの説明によると、モデルは毎秒何度も「話すか、聞き続けるか、間を取るか、割り込むか、道具を呼ぶか」を判断しています。その結果として、

  • 相手の発話の途中で口を挟んでも、会話が壊れず続く
  • 黙り込む代わりに「うんうん」といった相槌で「聞いている」ことを示す
  • こちらが考え込んでいるときは、急かさず待つ
  • 話し終わりを待たずに訳が流れ始める同時通訳ができる

といった、人間同士なら当たり前の振る舞いが可能になりました。つまり、AIが賢くなったというより、会話の物理——同時に聞いて話す、間合いを読む——を専用に作り直したことが「体験がいい」の正体です。

賢さは別のモデルが担当——裏側でGPT-5.5に委譲

もうひとつの発明は分業です。検索や深い推論が必要な質問が来ると、GPT-Liveは裏側で上位モデル（現在はGPT-5.5）に仕事を投げ、結果を待つ間も会話を続けます。結果が返ってきたら、それを会話に織り込んで話します。

つまり「会話の上手さ」と「頭の良さ」を別のモデルが担当する構造で、OpenAIは委譲先のモデルを今後も最新のものに入れ替えていくとしています。天気・株価・スポーツなどは、話しながら画面にカード表示も出ます。

世間の評価——「印象的」だが弱点もある

数週間の先行アクセスを得ていた著名エンジニアのサイモン・ウィリソン氏は「非常に印象的」と評し、犬の散歩をしながら1時間話し続けたと報告しています（初期には「冗談でもないのに笑う」癖があり、報告後に修正されたそうです）。米メディアのAndroid Authorityは、グーグルの対抗機能「Gemini Live」との比較で、裏側委譲やカード表示を挙げてGPT-Liveをより先進的と評価しました。

一方で弱点も報じられています。発表デモの同時通訳では、ヒンディー語の出力が強いアメリカ英語訛りで不自然だったとTechCrunchが指摘。OpenAIは「主要な言語に最適化した」と述べるにとどまり、対応言語の一覧は公表していません。また、Gemini Liveが先行するカメラ・画面共有をAIに見せながら話す機能は、GPT-Liveでは発表時点で未対応です（OpenAIは「近く対応」とだけ表明）。

構図としては、OpenAIが「会話の質」に、グーグルが「目で見る力」に先に投資した形で、両者が互いの領域を追いかけている段階です。

プランごとの違いと制限

プラン使えるモデル備考
無料GPT-Live-1 mini（小型版）従来の音声モードから自動で切り替わる
Go / Plus / ProGPT-Live-1（フル版）有料プランは標準でフル版

音声の利用時間の上限について、OpenAIは今回、プランごとの具体的な数値を公表していません（旧音声モードでは無料プランに1日あたりの時間制限がありました）。同時通訳は全プランで使えます。

開発者向け——「GPT-LiveのAPI」はまだない

自分のアプリにこの音声を組み込みたい開発者にとって重要な点ですが、GPT-Liveは現時点でChatGPT専用です。OpenAIはAPI提供を「準備中」とし、通知登録フォームを公開しているだけです。

いま音声アプリを作る場合の選択肢は、別系統の「Realtime API」です。こちらは7月上旬に更新された「gpt-realtime-2.1」が最新で、フルデュプレックスではないものの、電話回線への接続や外部ツール呼び出しなど業務向けの機能が揃っています。料金は音声の入力が100万トークンあたり32ドル、出力が64ドル（小型版は10ドル/20ドル）。GPT-LiveがAPIに来たときに両者がどう整理されるかは、まだ発表されていません。

なお7月下旬には、会話とは別に文字起こし専用のモデル（GPT-Live-Transcribe）がAPIに追加されています。

安全面——安全性レポートと「見えない透かし」

OpenAIは発表と同日に安全性の検証レポート（システムカード）を公開しています。実際のユーザー音声と意地悪な合成音声の両方でテストし、安全性は旧音声モードと同等以上と報告。ただし、AIへの感情的な依存を助長しないかを測る項目などでわずかな低下も正直に記載されています。また発表時点のGPT-Liveは、単独でツールを広く操作したりコードを実行したりする能力を持たされていません。

7月31日には、GPT-Liveが生成する音声すべてに「AIが作った音声」だと機械で判別できる電子透かしSynthIDが埋め込まれるようになりました。この経緯は前日のニュース記事で詳しく扱っています。

まとめ

  • 体験が良くなった理由は、会話専用モデルへの全面刷新。「同時に聞いて話す」設計と、賢さを裏のGPT-5.5に任せる分業が柱
  • 評価はおおむね好意的。弱点は翻訳の品質ムラと、カメラ・画面共有の未対応
  • 無料でも小型版が使える。開発者向けは現状Realtime API一択で、GPT-LiveのAPI化待ち

音声はAIの入り口として一気に主戦場になりつつあります。カメラ対応とAPI公開が次の節目になりそうです。

SOURCE

OpenAI公式 — Introducing GPT-Live

openai.com

SOURCE

OpenAI — GPT-Live System Card（安全性レポート、2026年7月8日）

deploymentsafety.openai.com

SOURCE

TechCrunch — OpenAI releases new voice models for more natural live conversations

techcrunch.com

SOURCE

Simon Willison — Introducing GPT-Live（先行アクセスの所感）

simonwillison.net

SOURCE

Android Authority — ChatGPT just got a Gemini Live rival that can keep talking while it thinks

androidauthority.com

SOURCE

OpenAI公式 — gpt-realtime-2.1 モデルページ（API料金）

developers.openai.com

SOURCE

OpenAI公式 — Advancing content provenance（SynthID透かし）

openai.com