OpenAI、新音声モデルGPT-Live提供

米OpenAIは、聞き取りと発話を同時に行いながら会話できる、音声会話向けの新モデル「GPT-Live」の提供を開始しました。新モデルは、出力を生成するのと並行して入力を処理し続ける「全二重（フルデュプレックス）アーキテクチャ」を採用したことで、人間同士のような相づちや自然な発話テンポを実現しています。iOS、Android、およびWeb版のChatGPTで、有料プランと無料プランそれぞれに向け順次展開が始まっています。

1. 全二重アーキテクチャによる進化

従来の音声対話（カスケード型システム）は、音声を一度テキストに変換してLLM（大規模言語モデル）に入力し、再び音声に合成し直すプロセスを踏んでいたため応答に遅延がありました。これに対し「GPT-Live」は、「話すべきか、聞き続けるべきか、待つべきか」といった判断を毎秒何度も繰り返し、割り込みにもスムーズに対応します。

2. バックグラウンドでの推論委任とビジュアル表示

ウェブ検索や深い思考を要する質問を受けた場合、バックグラウンドで「GPT-5.5」などの外部モデルに推論を委任し、処理中も会話を止めることなく自然につなぎ言葉（フィラー）を挟んで繋ぐことができます。また、天気や株価などの視覚情報が適した話題では、会話の途中に画面にビジュアル情報を表示することも可能です。

全二重アーキテクチャにより「GPT-Live」は不自然な沈黙なしに考えながら会話できるようになり、音声AIアシスタント機能の実用性が飛躍的に向上しました。会話があまりにも自然なため、SNS上では驚きの声とともに、将来的な英会話サービスなどへの影響を懸念する指摘も出ています。