記事のサマリー（TL;DR）
- OpenAI が GPT-Live-1 / GPT-Live-1 mini を公開。ChatGPT の Advanced Voice Mode をデフォルトで mini に刷新
- フルデュプレックス方式で「自然な割り込み」「30〜40分の長時間会話」「ライブ翻訳」に対応
- 音声から GPT-5.5 へクエリを転送し、検索・推論・エージェント機能を呼び出せる構成に移行
日本語話者・多言語対応ビジネスが注目すべきライブ翻訳の現在地
今回のリリースで注目度が高いのは「ライブ翻訳」機能です。OpenAI は「多くの話し言葉に最適化されている」と述べるにとどまり、具体的な言語リストは公開しませんでした。発表デモではヒンディー語版がアメリカ訛りの強い不自然な発音だったと報告されており、日本語での実用水準はまだ未検証です。
日本語のように音節構造・敬語・文末表現が複雑な言語では、英語基準で設計されたフルデュプレックスモデルのターンテイキング制御が誤作動しやすい傾向があります。コールセンターや接客業での多言語対応に音声AIを導入しようとしている事業者は、日本語・英語間のターンテイキング精度と翻訳自然度を実装前に必ず検証するフェーズを設けることが現実的です。
また、GPT-5.5 と連携したエージェント機能が音声から直接呼び出せるようになったことで、kintone や Salesforce などの業務 SaaS を音声でオペレーションする構成の技術的ハードルが下がっています。音声 UI を業務フローの入力端点として組み込む際の設計検討が前倒しで必要になるフェーズに入ったといえます。
詳細
GPT-Live-1 と GPT-Live-1 mini の概要
OpenAI は 2026年7月8日、新しい会話型音声モデル GPT-Live-1 と GPT-Live-1 mini をリリースしました。同社は「より自然に聞こえ、ターンテイキング（発話の交代制御）が改善された」と説明しています。
両モデルは**フルデュプレックス（full-duplex）**方式を採用しており、送信と受信を同時に処理できます。これにより、ユーザーがアシスタントの発話中に自然に割り込むことができ、ライブ翻訳などの機能も実現しています。
旧モデルとのアーキテクチャの違い
旧来の Advanced Voice Mode は、音声認識（STT）→ 大規模言語モデル（LLM）→ 音声合成（TTS） という3段階のパイプライン構成でした。新モデルはこの構造を刷新し、会話を継続しながら GPT-5.5 などの最新テキストモデルへクエリを転送して検索・推論・エージェント処理を呼び出せる設計になっています。
OpenAI はプレスブリーフィングで、旧モデルが抱えていた「ユーザーの発話中に割り込む」「質問への回答精度が低い」といった問題を新モデルが解消したと述べました。
長時間会話とビジュアル応答
ChatGPT Voice のプロダクトリード Atty Eleti 氏は、散歩中に30〜40分の会話を続けた例を挙げ、長時間会話における持続性の高さを強調しました。新モデルは長時間沈黙したまま会話のコンテキストを保持し続け、呼びかけられた際に適切に応答する機能も持ちます。
さらに、新しい音声モードは一部の情報をビジュアル形式で提示できます。同様の方向性は、DST と Lux Capital から4000万ドルのシード資金を調達したスタートアップ Monogram も追っており、視覚応答を活用したインタラクティブなアシスタント体験が業界のトレンドになりつつあります。
音声をプライマリーインターフェースへ
「音声をコンピューティングのプライマリーインターフェースにする」というビジョンを Eleti 氏は明示しました。
「Codex や ChatGPT を活用してユーザーが達成している驚くようなユースケース、それらすべての作業において、音声が将来のインターフェースになると考えています」（Eleti 氏）
OpenAI は今年中に AI 機能を搭載したイヤホンを発売する可能性があると報じられていますが、同社はハードウェア製品の詳細を明らかにしていません。
競合他社の動向
音声アシスタントの表現力向上は業界全体の流れです。Apple と Amazon はそれぞれのアシスタントをより会話的にアップデートし、コンテキスト処理を強化しています。Oculus 共同創業者 Brendan Iribe と Ankit Kumar が立ち上げたスタートアップ Sesame も、バックグラウンドでタスクを処理しながら自然な会話を実現する AI アシスタントを発表しています。
安全性への配慮
OpenAI は新モデルが「AI コンパニオン」を目指すものではないと強調しています。10代のユーザーへの年齢適切な応答や、自傷などのデリケートなトピックが話題に上がった際にリソースを提供するセーフガードが組み込まれています。
現時点での課題
ヒンディー語でのライブ翻訳デモでは、アシスタントが強いアメリカ訛りで話し、不自然かつやや書き言葉的なヒンディー語を生成したと報告されています。OpenAI は「多くの話し言葉に最適化されている」と述べるにとどまり、対応言語の具体的なリストは公開しませんでした。現時点では、英語以外の言語では追加の評価と改善が必要な状況です。
なお、OpenAI によると ChatGPT の音声機能・ディクテーション機能を利用するユーザーは現在1億5000万人以上に上ります。