ChatGPTの音声モードでより自然な会話を可能にする「GPT-Live」が登場、話を聞きながら相づちや割り込みに対応

OpenAIは2026年7月8日、ChatGPTの音声対話をより自然にする新世代音声モデル「GPT-Live」を発表しました。GPT-Liveは話を聞きながら同時に話せるフルデュプレックス方式を採用しており、ChatGPT 音声モードの新しい標準モデルとして順次提供されます。

Introducing GPT-Live | OpenAI
https://openai.com/index/introducing-gpt-live/

GPT-Live System Card - OpenAI Deployment Safety Hub
https://deploymentsafety.openai.com/gpt-live

GPT-Liveは「AIと会話する体験を人間との会話に近づける」ことを目的とした音声モデルです。従来の「ChatGPT 音声モード」は、音声をテキストに変換し、大規模言語モデルで応答を生成し、それを音声に戻すという複数段階の仕組みを使っていたため、応答に遅れが出たり、会話がぎこちなくなったりする問題がありました。

その後に登場した「高度な音声モード」は、音声の理解と生成を単一モデルで処理することで遅延を減らしましたが、会話の単位は依然として「相手が話し終わってから返答する」というターン制でした。そのため、短い沈黙や周囲の雑音が発話終了と誤認され、モデルが不自然なタイミングで割り込むことがあったとのこと。

GPT-Liveは入力を処理しながら出力を生成する「フルデュプレックスアーキテクチャ」を採用しています。これにより、モデルは1秒間に何度も「話す」「聞き続ける」「一時停止する」「割り込む」「ツールを呼び出す」といった判断を行えるようになり、「うん」「なるほど」といった相づちを打ったり、ユーザーが考えている間は黙って待ったりできます。

以下のムービーは実際にGPT-Liveと会話する様子。ユーザーが話している間にGPT-Liveが相づちを打っているのがよくわかります。


GPT-Liveのもう1つの特徴は、自然な会話を担当する部分と、検索や推論などの重い作業を担当する部分を分離している点です。ウェブ検索や深い推論、複雑な作業が必要な場合、GPT-Liveは背後で最新のフロンティアモデルに処理を委任し、作業中も会話の流れを維持できます。提供開始時点では、背後で使われるモデルはGPT-5.5で、今後新しいフロンティアモデルが登場すれば継続的に更新される予定です。

GPT-Liveに「この辺で遅い昼食を取れる場所ってある？」と質問したところが以下のムービー。GPT-Liveは質問されるとGPT-5.5で情報を検索し、すぐに音声で返答しています。


GPT-Live搭載のChatGPT 音声モードでは、ユーザーが途中で質問を挟んだり、考えるために間を空けたり、ChatGPTに「ゆっくり話して」と頼んだりできるようになります。OpenAIはChatGPTに用意されている9種類の音声もGPT-Live向けにリマスターしたと説明しており、背景に交通音や近くの会話がある場合でもユーザーの声に集中しやすくなったとしています。

回答能力については、Instant・Medium・Highという3つの推論レベルを選べるようになります。GPT-Live-1 InstantとGPT-Live-1 miniは背後でGPT-5.5 Instantを、GPT-Live-1 MediumとGPT-Live-1 HighはGPT-5.5 Thinkingを中～高の推論レベルで使用します。

OpenAIは会話の快適さや流れを測るため、人間による評価も実施しています。5分から10分の会話で全体的な好みや発話交代、割り込み、会話の流れ、自然さを比較したところ、GPT-Live-1とGPT-Live-1 miniは高度な音声モードより強く好まれたとのことです。

ベンチマークでは、GPT-Live-1が専門的な科学推論を測るGPQAで高度な音声モードを大きく上回り、検索エージェントとして見つけにくい情報を探す能力を測るBrowseCompでも大きな改善を示したとOpenAIは説明しています。

また、現実的な通信サポート業務を想定したτ³-Voice Telecomでも、GPT-Live-1はAdvanced Voice Modeを上回ったとされています。ただし、具体的なスコアは公開されていません。

OpenAIはGPT-Live向けに音声特有のリスクを想定した安全対策も導入しています。会話がリアルタイムで進むため、潜在的に危険な出力を検知した場合はより安全な応答へ誘導したり、安全メッセージや支援リソースを表示したり、高リスク時には音声会話を終了したりできます。

また、ティーンユーザー向けには追加の保護策も用意されています。保護者はペアレンタルコントロールを通じて子どもがChatGPT 音声モードを使えるかどうかを選択でき、自傷や自殺意図の兆候を含む高リスク状況になると保護者に通知されるとのこと。

一方で、GPT-Liveには提供開始時点で制限もあります。OpenAIによると、GPT-LiveはChatGPT内でのビデオ付き音声や画面共有にはまだ対応しておらず、これらの機能は今後導入予定だとのこと。また、特定の言語では非ネイティブのアクセントや流ちょうさが十分ではない可能性もあり、OpenAIは対応言語全体でユーザー体験を改善していくとしています。

OpenAIはGPT-Liveについて、GPT-Live-1とGPT-Live-1 miniの2種類をグローバルに展開するとしています。ChatGPT 音声モードでは、有料プランのGo、Plus、ProユーザーにはGPT-Live-1が、Freeユーザーには軽量版のGPT-Live-1 miniが標準モデルとして提供されます。iOS、Android、ChatGPT.comで順次利用可能になり、APIでの提供も予定されています。