何が起きたか
ChatGPTの音声会話の中核モデルが、GPT-Liveに置き換わりました。OpenAIはこれを「full-duplex（全二重）」アーキテクチャと表現しています。つまり、聞くことと話すことを同時に行える構造です。
提供範囲はAndroid／iOSのChatGPTアプリと、ブラウザ経由のWeb。ChatGPT Pro／Plus／GoのユーザーはGPT-Live-1、無料プランはGPT-Live-1 miniを利用します。起動はテキスト入力欄の右端にある波形アイコン（ChatGPT Voice）から。初回はマイク権限の許可を求められます。
なぜ重要か：「ターンの奪い合い」が消えた
2023年に登場した初代Voice Modeは、音声認識・言語モデルによる回答生成・音声合成という3つの別々のシステムを直列につないだ構成でした。その後のAdvanced Voice Modeは単一のマルチモーダルモデル化で体験を大きく改善しましたが、それでも本質はターン制です。ユーザーが少し息継ぎをしただけで「発話が終わった」と誤判定し、話し終える前に応答を始めてしまう。この「割り込み事故」こそが、AI音声が業務で使われなかった最大の理由でした。
GPT-Liveは、ユーザーが話している最中に「mhmm」「yeah」といった短い相づちを挟みます。演出に見えますが、意味は逆です。相づちを打てるということは、話しながら聞き続けている証拠であり、全二重であることの可聴な証明になっています。Engadgetの筆者は、文の途中で遮られなくなり、AIが話し終わるのを待たずに割り込めるようになったと報告しています。「最も驚いたのは知能ではなく、AIと話しているという事実をどれだけ早く意識しなくなったかだ」という感想は、この変化の性質をよく言い表しています。
設計の妙は「速さと賢さの分離」
GPT-Liveの知能レベルは、右上の設定アイコンからInstant／Medium／Highの3段階で変更できます。既定はInstantで、応答速度を最優先する設計です。ただし速いだけではなく、推論や調査が必要な問いは、裏側でGPT-5.5のような別モデルに処理を渡します。
これは「会話の即応性」と「回答の深さ」を別レイヤーに分離した設計です。会話の相手をするモデルは軽く速く保ち、重い思考は背後の別モデルに外注する。MediumやHighに上げると、筆者の検証では0.5〜2秒程度の思考時間が加わります。なおこの知能カスタマイズはGPT-Live-1 miniでは使えず、現状は有料プラン限定の機能です。
制約と実務上の使い勝手
画面上には反応する浮遊オーブが表示され、会話中に下へスクロールすれば全発言のトランスクリプトを確認できます。視覚的に示したほうがよいと判断された問いには、音声回答と並行してインタラクティブなウィジェットが生成されます。他アプリに切り替えたり端末をロックしても音声会話は継続します。
一方で、現時点で画面共有・ビデオ共有には非対応です。旧モデルへの差し戻しは設定のVoiceから可能で、同じ画面で声の変更、言語の切り替え、アプリ起動時のデフォルトを音声モードにする設定も行えます。
出典：Engadget
💼 事業会社視点：これは自社にどう効くか
経営視点で見るべきは、音声UIのボトルネックが「認識精度」から「会話の間（ま）」に移り、そこが解決されたという事実です。日本企業の現場で音声AIが定着しなかった主因は誤認識よりも、途中で遮られて言い直す不快感でした。全二重化はここを直撃します。
打ち手は3つ。第一にコールセンター・店舗・訪問営業を持つ企業は、AIを顧客対応に出す前に「社員の相棒」として入れるべきです。GPT-Liveの即応性は翻訳用途で有効とされており、インバウンド接客や海外取引の現場は最短で効果が出ます。第二にSaaS・受託開発事業者は、Instant／Medium／Highという速さと賢さの分離を自社設計に写経する価値があります。会話は軽量モデル、推論はGPT-5.5級に裏で渡す二層構造は、音声に限らずAI機能のコスト設計の定石になります。第三に、画面・ビデオ共有が未対応である以上、図面や画面を見ながらの遠隔サポートは現時点で置き換わりません。逆に言えば「目を使わない業務」——運転中、作業中、移動中の報告・記録——から着手するのが投資効率として合理的です。
なお知能レベルの選択は有料プラン限定です。全社検証を無料枠で行うと本来の実力を見誤ります。評価用にPro／Plus／Goの席をまず数席確保してください。