何が変わったのか

OpenAIは会話モデルGPT-Live-1と軽量版GPT-Live-1 miniをリリースし、ChatGPTのAdvanced Voice Modeを既定でmini版に切り替えました。有料プランではGPT-Live-1本体を利用できます。従来は音声認識、LLM、音声合成の3段構成でしたが、新モデルは全二重で「話しながら聞く」ことができ、ユーザーの割り込みやライブ翻訳を自然にこなします。

「止まらない会話」を可能にする裏側

注目すべきは、検索・推論・エージェント処理が必要な場面ではGPT-5.5などの上位モデルへ裏で問い合わせつつ、表側の会話は途切れさせない構造です。長時間黙って文脈を吸収し、呼ばれたときだけ応じる挙動も可能で、視覚的な情報提示にも対応します。プロダクトリードのAtty Eleti氏は散歩中に30〜40分の対話をしたと明かしており、短い一問一答から長時間セッションへと利用像が変わりつつあります。

競合と差別化ポイント

AppleとAmazonはアシスタントの会話性を強化し、Oculus共同創業者Brendan Iribe氏らのSesameはバックグラウンドでタスクを進める会話AIを、DSTとLux Capitalから4,000万ドルを調達したMonogramは視覚応答に振っています。OpenAIは「AIコンパニオン化はしない」と明言し、10代への年齢配慮や自傷などの機微テーマへの導線を組み込みました。デモのヒンディー語翻訳が米国訛りで硬い響きだった点は課題として残ります。

音声が主要インターフェースになるという賭け

「音声はコンピューティングの一次インターフェースになり得る」というEleti氏の発言は、Codexなど長時間走るエージェント作業を音声で回す未来像を示唆します。ChatGPT利用者のうちVoice/Dictationを使う人は1.5億人超で、噂されるAI搭載イヤホンの登場も含め、テキスト入力の代替ではなく「業務の主軸UI」への転換が現実味を帯びてきました。

💼 事業会社視点：これは自社にどう効くか

日本企業にとって当面の焦点は「電話・接客・現場作業をどう置き換えるか」です。EC・D2Cのカスタマーサポートは、割り込み許容と長時間文脈保持ができる全二重モデルによって、既存IVRやチャットボットの上限を一気に超える余地が出てきました。SaaSベンダーは自社UIに音声を後付けするより、GPT-Live-1系APIを前提にワークフローを再設計する判断が要ります。特に営業SFA、フィールドサービス、医療・介護記録は、両手が塞がる現場で音声が真の一次入力になり得る領域です。

受託開発企業は「音声＝電話代替」の案件定義から脱し、30〜40分の連続対話に耐える設計(セッション管理、文脈の永続化、GPT-5.5への切替コスト管理)を提案商材化すべきです。役員層が今週決めるべきは、①既存の音声/電話ベンダー契約の解約猶予の確認、②年齢配慮など安全設計の社内基準策定、③英語以外での品質検証(デモの日本語・ヒンディー語品質は未成熟)の3点です。「イヤホン型ハード」の噂も踏まえ、社内の音声データ資産化戦略を今から始める価値があります。