OpenAIは新世代の音声モデル「GPT-Live」を発表した。人間同士の会話に近い自然なやり取りを実現するモデルであり、ChatGPTの音声体験を刷新するものだ。
https://openai.com/index/introducing-gpt-live/
GPT-Liveは「フルデュプレックス」と呼ばれるアーキテクチャを採用している点が特徴である。従来の音声モデルが発話と聞き取りを交互に処理していたのに対し、GPT-Liveは音声入力の処理と出力の生成を同時に行う。これにより、相づちを打つ、会話に割り込む、沈黙して相手の発話を待つといった、より人間らしい対話の間合いを実現するという。
また、GPT-Liveは対話の進行を担う一方、ウェブ検索や高度な推論、複雑な作業が必要な場面では背後で最新のフロントティアモデルに処理を委譲する仕組みを備える。発表時点ではGPT-5.5が用いられており、会話のテンポを保ったまま裏側で処理が進む。今後もフロントティアモデルの更新に応じて、背後で稼働するモデルを継続的に更新するとしている。
OpenAIは「GPT-Live-1」と、より軽量な「GPT-Live-1 mini」の2種類を、ChatGPTユーザー向けに世界規模で展開を開始した。API経由での提供も準備中で、開発者や企業向けの通知登録も受け付けている。なお発表時点では、ChatGPT上での映像通話や画面共有との組み合わせには対応していない。
