OpenAI、音声対話AI「GPT-Live-1」のAPI提供開始

米OpenAI（米AI開発企業）は2026年9月10日（現地時間）、リアルタイムで自然な音声対話を実現する音声モデル「GPT-Live-1（OpenAIが開発した全二重通信方式の音声会話モデル）」のAPI提供を開始した。従来の音声認識・言語モデル・音声合成を多段接続するパイプライン方式を排し、音声の入力と出力を単一モデルで同時に推論するフルデュプレックス（送話と受話を同時に行う全二重通信方式）（全二重通信）を採用。相づちや自然な割り込み（Interruption）に対応し、開発者が外部サービスや電話システムと連携した音声エージェントを構築できる環境を提供する。

単一モデル処理による遅延削減と柔軟な推論委任

GPT-Live-1の最大の特徴は、音声会話層とバックエンドの思考・推論層を柔軟に分離・協調させるアーキテクチャにある。

単一モデルによる割り込み処理

従来の音声AIは「音声認識（STT）→ 大規模言語モデル（LLM）→ 音声合成（TTS）」を直列に繋いでいたため、各段の受け渡しで遅延が生じ、ユーザーの発話中断や相づちの処理が不安定になりやすかった。GPT-Live-1は入出力音声を1つのモデルで統合推論することで遅延を劇的に短縮。英語学習アプリのSpeakによる先行評価では、従来のターン制システムと比較してユーザーの思考時間を確保しつつ、発話の不自然な遮断を約80%削減した。

推論とツール呼び出しのバックエンド委任

自然な会話のやり取りをGPT-Live-1が担当しつつ、重い計算やWeb検索、ツール実行が必要な場合は、バックエンドのテキストモデル（GPT-6 AstraやLuna、外部サードパーティモデル）に処理を委任（Delegation）できる。これにより、背後で時間のかかる処理を実行している間も会話の流れを途切れさせずに維持できる。

電話網サポートと業務システム連携

レストラン予約や顧客窓口などの電話回線（Telephony）経由での利用を正式にサポートする。米Yelpの「Yelp Host」では予約受付や注文電話の対応に導入され、通話処理率の向上が確認されたほか、医療・住宅向けAIを提供するEliseAIでも初期パートナーとして導入が進む。医療予約システムを手がけるTony Stoyanov CTOは「コードベースを80%簡素化し、2万3000行のコードを削減できた」とコメントしている。

評価ベンチマークと利用料金

OpenAIの公表によると、全二重対話の性能を測る「Full Duplex Bench」において、従来のGPT-Realtime-2.1比で30パーセンテージポイントの性能向上を達成。さらに、GPT-6 Astra（中推論負荷）と組み合わせた構成で、エンドツーエンドの音声エージェント知能を評価する「Tau3」ベンチマークで首位を獲得した。

APIの利用料金は、フロントエンド音声レイヤーが​1分あたり0.05ドル（約7.7円）​​に設定されている。

従来方式とGPT-Live-1のアーキテクチャ差分

従来の直列音声パイプラインとGPT-Live-1のフルデュプレックス設計の差分を整理する。

項目	従来の連結型アーキテクチャ（STT-LLM-TTS）	GPT-Live-1（フルデュプレックス方式）
​処理構造​	音声認識・テキスト推論・音声合成の3段階直列	単一モデルで送受信音声を統合推論
​割り込み応答​	発話を検知してからパイプライン全体を中断（高遅延）	自然な相づちや発話の重なりを即座に処理
​深い推論の処理​	会話が完全に停止して待機時間が発生	バックエンドモデル（Astra等）へ委任し会話を維持
​外部通信対応​	音声ストリームの変換ハックが必要	電話回線（Telephony）をネイティブサポート
​音声レイヤー費用​	複数API呼び出しの合算課金	1分あたり0.05ドルのシンプルな従量課金

日本の開発者・事業者への影響

日本市場においても、コールセンターや飲食店の予約電話、多言語カスタマーサポートの自動化ニーズは非常に高い。

GPT-Live-1のAPI提供により、従来は複雑なTwilio連携や複数モデルのオーケストレーションが必要だった音声ボットが、シンプルな構成かつ1分あたり約7.7円という低廉なコストで実装可能になる。また、システムプロンプトを通じてトーンや話速、会話スタイルを細かく調整できるため、日本の商慣習に合わせた丁寧な敬語対応や落ち着いたトーンの設定も行いやすい。

分析と展望：音声UIにおける「直感的な対話」の新標準

従来の音声アシスタントが「トランシーバー」のように交代で話すターン制だったのに対し、GPT-Live-1は相手の反応を耳で聞きながら話す「人間の電話対話」に近い体験をAPIレベルで汎用化した。

さらに、フロントエンドの音声処理とバックエンドの思考（推論モデル）を疎結合にした設計は、タスクの難度に応じて安価な高速モデルや高度な推論モデルを柔軟に差し替えることを可能にしている。今後は日本語を含む各言語のアクセント対応や、よりノイズの多い環境下での認識精度向上が普及の鍵を握る。

引用元：GIGAZINE