誰かと話しているとき、私たちは相手が話し終えるのを待ってから口を開いているわけではありません。うなずきながら聞き、言葉を探しながら反応し、ときには重なりながら会話が進んでいく。その当たり前を、機械はずっとできませんでした。トランシーバーのように一方が話し終えるまで待つ。この構造が、AIとの会話にどこか他人行儀な感触を残してきたのだと思います。
OpenAIが公開したGPT-Liveは、聞くことと話すことを同時に行う設計へと踏み込みました。相づちを打ち、こちらが考え込めば黙って待ち、難しい問いは裏側の別のモデルへ静かに投げる。速さでも賢さでもなく、会話の「間」そのものを作り変えようとしています。私たちはいま、機械と話す作法が書き換わる瞬間に立ち会っているのかもしれません。
OpenAIは2026年7月8日、新世代の音声モデルGPT‑Liveを発表した。全二重アーキテクチャを基盤とし、聞くことと話すことを同時に行う。
ウェブ検索や推論などの作業はバックグラウンドのモデルに委任し、リリース時点ではGPT‑5.5を使用する。同日より、GPT‑Live‑1とGPT‑Live‑1 miniの2バージョンを世界中のChatGPTユーザーに順次提供し、API提供も予定する。GPT‑Live‑1はGo、Plus、Proの、GPT‑Live‑1 miniはFreeのデフォルトモデルとなる。
GPQAの正答率はGPT‑Live‑1(high)が84.2%、AVMが45.3%。ChatGPTは毎週1億5000万人以上が音声機能を利用する。iOS、Android、ChatGPT.comで提供される。
From: 
GPT-Live の紹介 | OpenAI
【参考動画】
【編集部解説】
今回の発表で本当に新しいのは、モデルの賢さそのものではありません。難しい質問の処理は背後のGPT-5.5に委ねられており、頭脳の部分は既存技術を活用しています。刷新の主眼は「会話の手触り」にあると言えます。
従来の音声AIは、トランシーバーのように「話す→待つ→話す」を繰り返す方式でした。GPT-Liveが採用した全二重(full-duplex)アーキテクチャは、聞きながら話すという人間同士の会話の基本構造を、ChatGPTという巨大な入り口に大規模な音声体験として統合した点に意味があります。
注目したいのは、OpenAIが「対話を担う層」と「思考を担う層」を意図的に切り離した設計思想です。会話の流暢さはGPT-Liveが受け持ち、検索や推論はGPT-5.5に投げる。この分離により、音声体験を作り直さずとも、背後のモデルだけを最新世代へ差し替え続けられます。
これは、音声が特定のモデルに縛られた「機能」から、コンピューティングへの持続的な「入り口(インターフェース)」へと近づいていく布石とも読み解けます。ChatGPT音声機能のプロダクト責任者アティ・エレティ氏が、散歩中に30〜40分の会話を重ねたと語り、音声を長時間のエージェント的作業の主要な窓口にしたいと述べているのは、この方向性を裏づけています。
音声はいま、AIアシスタント競争の主要な舞台のひとつになりつつあります。GoogleのGemini Liveはすでに自然な割り込みに加えカメラや画面共有に対応し、AmazonはAlexa+を発表、ElevenLabsをはじめ音声特化のスタートアップも同じ市場を狙っています。GPT-Liveは、業界に出現しつつある能力を、ChatGPTという大きな入り口に統合し直す一手とも言えます。なお、GPT-Liveの発表は7月8日で、翌7月9日にはOpenAIの次世代モデルGPT-5.6の広範な展開が報じられました（GPT-5.6の限定プレビュー自体は6月26日に公開済みです）。
ポジティブな面は明確です。話す速度を落とすよう頼めば応じ、考える間を邪魔せず、リアルタイム翻訳もこなす。天気や株価、スポーツを視覚カードで示す機能も加わり、音声だけに閉じない体験へ広がりました。
一方で、人間らしく聞こえることは諸刃の剣でもあります。初期の利用者の一部からは、相づちが過剰で「愛想が良すぎる」との声も報じられています。より根深いのは情緒的依存の問題で、OpenAI自身が自傷、精神病症状、AIへの過度な依存などを安全性の重点領域に挙げ、あえて「会話のために設計されたもので、声のなりすましを目的としたものではない」と線を引いています。
GPT-4o公開時にスカーレット・ヨハンソンさんの声に酷似した「Sky」が問題化した経緯を踏まえ、GPT-Liveは実在人物の声を模倣しない設計を明言しました。米国ではAI生成音声を使ったロボコールが違法とされるなど、なりすましへの規制圧力は強まっており、こうした保護策は業界の標準的な防衛線になっていく可能性があります。Signalのメレディス・ウィテカー氏のように「チャットボットは友人ではない」と警鐘を鳴らす声も根強く、音声という親密なメディアの規律づけは、これから本格的に問われる論点です。
長期的に見れば、GPT-Liveの真価は発表当日のデモではなく、人々が使い続けるかどうか、そして英語以外の言語でも同じ体験が成立するかにかかっています。OpenAI自身も、一部の言語では非ネイティブ風のアクセントや流暢さの課題が残り得ると認めています。音声がキーボードに並ぶ「主要な操作面」になる未来へ、GPT-Liveがその一歩として記憶されるかどうか。答えは、これからの利用データが示すことになりそうです。
【関連記事】
xAI Voice Agent Builder登場｜コード不要で電話AIを構築、Grok Voiceが挑む音声の一本道 GPT-Liveの評価にも登場するτ-voice系ベンチマークで各社を比較。音声AIエージェント競争を扱う直近記事で対比材料に最適。
OpenAI GPT-5.6（Sol・Terra・Luna）命名騒動の真相—米政府の限定公開とソブリンAIという宿題 GPT-Liveのバックグラウンドを担うGPT-5.6の限定公開の経緯を詳述。用語解説で触れた6月26日プレビューの背景を補える。
主要AI 5社 料金・機能を完全比較｜「個人向けは学習対象、業務向けは守られる」共通の線引きとは Go／Plus／Proの階層と高度な音声モードの位置づけを整理。GPT-Liveのプラン別デフォルト設定を理解する補助線になる。
【編集部後記】
技術としては、素直にすごいと思います。聞きながら話すという構造の変更は、遅延を数百ミリ秒縮めるといった話とは次元が違う。会話というものの成り立ちそのものに手を入れているからです。相づちを打つAI、こちらの沈黙を尊重するAI。それは確かに、話しやすい。
けれど「話しやすい」というのは、本当に手放しで喜べることなのでしょうか。
人間らしく聞こえる声は、信じやすい声でもあります。うなずいてくれる相手には、つい多くを話してしまう。GPT-Liveの安全性の項目に、自傷や情緒的依存が並んでいるのを見たとき、OpenAI自身もそこを警戒しているのだと分かりました。会話のために設計されたもので、なりすましのためではない。そう明記されているのは、この技術が持つ引力を、作った側が誰よりも理解しているからでしょう。
もうひとつ、静かに引っかかっているのは「委任」という設計です。会話を担う層と、考える層を切り離す。速く応じながら、裏では別のモデルが検索し、推論している。よくできた仕組みだと思う一方で、話している相手が誰なのか、その輪郭が少し曖昧になった気もします。滑らかな相づちの向こう側で、何がどう動いているのか。使う側からは、もう見えません。
だからといって、使わないという選択が正しいとも思いません。便利さを疑いながら使う、という面倒な態度を、たぶんこれからずっと引き受けていくことになるのだと思います。
音声は、キーボードよりもずっと身体に近い。声を出すという行為には、書くこととは違う無防備さがあります。その入り口が、これから毎日のように開かれていく。
日本語での体験がどこまで自然になるのか、一部の言語ではアクセントや流暢さに課題が残ると、OpenAI自身も認めています。実際に話してみて、心地よかったのか、それとも少し気味が悪かったのか。もしよければ、あなたの感想を聞かせてください。
【用語解説】
全二重(full-duplex)アーキテクチャ
通信用語で、双方が同時に送受信できる方式を指す。電話のように話しながら相手の声も聞ける状態のことだ。音声AIに応用すると、モデルが自分の応答を生成しながら利用者の入力を処理し続けられる。従来の「話す→待つ→話す」というトランシーバー型を脱する鍵となる。
GPT-5.6（Sol／Terra／Luna）
OpenAIの次世代モデルシリーズで、限定プレビューは2026年6月26日に公開された。フラッグシップのSol、日常業務向けのTerra、高速・低価格のLunaで構成される。TerraはGPT-5.5相当の性能を半額で提供するとされる。GPT-Liveの発表(7月8日)の翌日には、このGPT-5.6の広範な展開が報じられた。
GPQA
生物学、化学、物理学にわたる専門家レベルの科学的推論能力を測るベンチマーク(評価基準)だ。大学院水準の難問で構成され、モデルの高度な知的能力を検証するために用いられる。
BrowseComp
エージェント的なウェブ検索の能力、とくに見つけにくい情報を探し出す力を測るベンチマークである。AIが自律的に情報を収集・探索するスキルを評価する。
【参考リンク】
OpenAI（企業公式サイト）（外部）
ChatGPTやGPT-5シリーズを開発するAI企業の公式サイト。ミッションや製品ラインナップ、研究成果を幅広く発信している。
Google Gemini（外部）
GoogleのAIアシスタント。自然な会話やカメラ・画面共有に対応するGemini Liveを提供し、GPT-Liveの主要な競合とされる。
ElevenLabs（外部）
音声合成・音声AIに特化した企業の公式サイト。自然な読み上げや音声エージェントで、OpenAIと市場を競う存在である。
Signal（外部）
暗号化メッセージアプリを提供する非営利団体。会長のウィテカー氏はAIへの過度な信頼に警鐘を鳴らしている。
【参考記事】
GPT-5.6 Sol プレビュー：次世代モデル（OpenAI公式）（外部）
GPT-5.6シリーズの限定プレビューを2026年6月26日付で公開。GPT-Live発表との前後関係を確認する一次情報となる。
OpenAI launches GPT-Live, a full-duplex voice upgrade（VentureBeat）（外部）
GPT-Liveの新規性は賢さではなく手触りにあると分析。対話層と推論層を切り離す設計の意義を解説している。
OpenAI Launches GPT-Live Full-Duplex Voice Models（SQ Magazine）（外部）
遅延そのものを有料の差別化要因にしたと論評。階層別のデフォルト設定や各ベンチマークでの優位も報じている。
OpenAI releases new voice models for more natural live conversations（TechCrunch）（外部）
毎週1億5000万人がVoice等を使う実績を挙げ、ライブ翻訳や長時間会話の狙い、競合動向を整理している。
OpenAI Introduces GPT-Live to Make ChatGPT Voice Feel Like a Real Conversation（MacRumors）（外部）
GPT-Live-1／miniの提供対象を整理し、同日公開のGPT-5.6シリーズSol／Terra／Lunaの内訳も報じている。
OpenAI、全二重音声モデル「GPT-Live」発表（BigGo Finance）（外部）
相づちが過剰との初期不満を紹介。過去のSky音声騒動や全二重の先行例、アルトマン氏の評も伝えている。
OpenAI’s GPT-Live: ChatGPT voice that listens and talks（The Next Web）（外部）
リアルタイム翻訳のデモを取り上げ、人間らしい声の利点と危うさ、ウィテカー氏の警告や競合にも言及する。
