米OpenAIは7月8日(現地時間)、自然な音声会話が可能な新しいAIモデル「GPT-Live」を発表しました。 このモデルは、音声の出力と入力を同時に処理する「全二重アーキテクチャ」を採用しています。 これにより、人間同士の会話のように、話の途中で自然に相槌を打ったり、割り込んで発言したりできるようになりました。
従来の音声モードは、ユーザーの発言が終わるのを待ってから処理を行うため、会話に不自然な間(タイムラグ)が生じていました。 しかし、GPT-Liveは「話す、待つ、割り込む、ツールを呼び出す」といった判断を1秒間に何度も繰り返すことで、スムーズな会話のテンポを維持します。 さらに、Web検索などの時間のかかる処理が必要な場合は、バックグラウンドにある「GPT-5.5」などの別モデルに処理を委託し、その間も会話を継続することが可能です。
インターネット上では、GPT-Liveの自然な対話能力に対する驚きの声が多く寄せられています。 「『ええと』などのフィラーを使いこなし、本当に人間と話しているようだ」「発音やアクセントも自然で、英会話の練習にも活用できる」といった好意的な評価がある一方で、「性格が少し冷たく感じられる」「モラルや人間らしさを求めると不自然な部分もある」といった指摘もなされています。
また、ゆっくり話したいときには会話の速度を落とすよう指示できるほか、会話中に天気やスポーツの情報を画面に表示する機能も搭載されています。 GPT-Liveは、iOS、Android、およびWeb版のChatGPTを通じて世界中に順次提供されます。 有料プラン(Go、Plus、Pro)では「GPT-Live-1」、無料プランでは軽量版の「GPT-Live-1 mini」が標準モデルとして利用可能になります。