OpenAIは、全二重アーキテクチャに基づく新しい音声モデルファミリーであるGPT-Liveを公開した。このモデルは同時に聞き取りと発話が可能で、相槌や割り込み、リアルタイムのターンテイキングを伴う自然な会話の流れを実現する。
本モデルは本日からChatGPTで利用可能となり、従来のカスケード型ChatGPT音声システムおよびより新しいAdvanced Voice Modeの両方から大きなアーキテクチャ上の進化を遂げている。GPT-Liveは、出力を生成しながら入力を継続的に処理する単一モデルを使用し、話す、聞く、一時停止する、割り込む、ツールを呼び出すなどのインタラクション判断を毎秒複数回行う。
2つのアーキテクチャ革新
1つ目は全二重処理である。従来の音声システムはターンベースで、一方が話し終えてから他方が応答し、沈黙が境界を示していた。GPT-Liveはこの制約を排除する。モデルはユーザーが話している最中に短い相槌（「うんうん」「はい」）を入れたり、文の途中で割り込まれたり、一時停止して自然に再開したりできる。また、言語間のリアルタイム翻訳もサポートしている。
2つ目は委任である。ユーザーがウェブ検索、深い推論、またはエージェント機能を必要とする質問をすると、GPT-Liveは会話の流れを維持しながらバックグラウンドで動作するGPT-5.5にタスクを委ねる。ユーザーは素早い応答（「少々お待ちください、まだつながっています」）を聞き、音声対話を中断することなく回答が届く。
評価
5〜10分の会話を用いた人間の嗜好テストでは、GPT-Live-1とGPT-Live-1 miniが、全体的な嗜好、ターンテイキングの品質、割り込み処理、会話の流れ、自然さのすべての測定項目においてAdvanced Voice Modeよりも強く好まれた。
自動ベンチマークでは、GPT-Live-1がGPQA（専門家レベルの科学推論）、BrowseComp（エージェント型ウェブ検索）、およびマルチターンのテレコムサポートタスクにおけるtau3-Voice TelecomベンチマークでAdvanced Voice Modeを大幅に上回った。
GPT-Live-1（Instant）とGPT-Live-1 miniはGPT-5.5 Instantをバックグラウンド推論モデルとして使用する。GPT-Live-1 MediumとHighは、構成可能な推論努力を備えたGPT-5.5 Thinkingを使用する。動画、画面共有、完全な多言語対応はローンチ時点では利用できないが、今後のアップデートで提供される予定である。APIのリリースも計画されている。
出典：MarkTechPost（2026年7月8日）
雅子 訳