GPT-Liveとは？ChatGPT Voice版の新たな音声モード
室谷代表取締役今回、OpenAIがちょっとしたけど大きな発表をしてきました。GPT-LiveがChatGPT Voiceとして、Edu・Business・Enterpriseプランにグローバル展開されるってやつです。
これ、かなり実用的なアップデートですよね。
これ、かなり実用的なアップデートですよね。
テキトー教師DotAI 認定講師そうですね、室谷さん。GPT-Liveっていうのは、これまでPlusやPro向けに提供されてきた高度な音声モードです。
従来のテキストベースのChatGPTとは違い、会話のテンポや抑揚、割り込みなんかも自然に処理できるのが特徴です。今回それが教育機関や企業向けのプランでも使えるようになった、と。
従来のテキストベースのChatGPTとは違い、会話のテンポや抑揚、割り込みなんかも自然に処理できるのが特徴です。今回それが教育機関や企業向けのプランでも使えるようになった、と。
室谷代表取締役まさに。僕もMYUUUでChatGPT Voiceをテストしてましたけど、GPT-Liveになってから本当に「人と話してる感」が段違いになったんですよね。
特に、相手が話してる途中でも「うんうん」って相槌を打てるようになったのが地味に大きい。
特に、相手が話してる途中でも「うんうん」って相槌を打てるようになったのが地味に大きい。
テキトー教師DotAI 認定講師ああ、あの「同時聞き話し」機能ですね。従来の音声モードだと、こっちが話してる間は向こうが待ってて、終わったら返答、みたいなターンベースだったんです。
GPT-Liveではそれが解消されて、よりリアルタイムな会話が可能になりました。
GPT-Liveではそれが解消されて、よりリアルタイムな会話が可能になりました。
室谷代表取締役そうそう。しかも、ライブカメラにも対応してるんで、スマホのカメラで目の前の物体を映しながら「これ何？」って聞けるわけです。
これは教育現場とかでめちゃくちゃ使えるんじゃないですか？
これは教育現場とかでめちゃくちゃ使えるんじゃないですか？
テキトー教師DotAI 認定講師講座でもよく言うんですけど、質問のプロンプトをテキストで打つのって意外とハードル高いんですよね。特に非エンジニアの方や子供たちには。
でも、音声とカメラだけで完結するなら、その壁は一気に下がります。
でも、音声とカメラだけで完結するなら、その壁は一気に下がります。
室谷代表取締役だからこそ、今回のEduプランへの拡大は狙いどおりだなと。ただ、現時点でPlusやProの個人ユーザー向けの展開については明らかにされていないんですよね。
今はまだ組織向けのロールアウトという位置づけ。
今はまだ組織向けのロールアウトという位置づけ。
今回の発表：Edu・Business・Enterpriseプランへグローバル展開
テキトー教師DotAI 認定講師公式スレッドには「GPT-Live in ChatGPT Voice is now available to Edu, Business, and Enterprise plans globally.」とだけあります。つまり、教育向けのChatGPT Edu、ビジネス向けのChatGPT Business、そして大企業向けのChatGPT Enterpriseの全ユーザーが、グローバルで即日利用可能になったということです。
室谷代表取締役これって結構大きな動きで、例えば大学の授業で学生がスマホからChatGPT Voiceに話しかけて、その場でフィードバックを得る、なんて使い方が現実的になりました。MYUUUでも企業研修にChatGPTを導入するケースが増えてますけど、Businessプランで音声が使えるのは営業のロールプレイとかにも使えそうです。
テキトー教師DotAI 認定講師そうですね。ただ、注意点としては、あくまで「ChatGPT Voice」というプロダクト名の中の1モードとしてGPT-Liveが提供されるので、従来のテキストチャットとは別画面になる可能性があります。
ユーザーはChatGPTのインターフェースから音声モードを選んで使う形になるでしょう。
ユーザーはChatGPTのインターフェースから音声モードを選んで使う形になるでしょう。
室谷代表取締役具体的なアクセス手順はまだ記事になってない部分もあるけど、基本的には各プランの管理画面から有効化できるはずです。Enterpriseなんかは既存のセキュリティポリシーとの兼ね合いもあるので、管理者が許可しないと使えないかもしれませんね。
テキトー教師DotAI 認定講師そうなんです。特に企業では、音声データの取り扱いや録音の有無について事前に確認しておく必要があります。
OpenAIはデータを学習に使わないと明言してますが、コンプライアンスの観点から一度チェックしておいた方が良いでしょう。
OpenAIはデータを学習に使わないと明言してますが、コンプライアンスの観点から一度チェックしておいた方が良いでしょう。
GPT-Liveの主な特徴：自然な会話、ライブカメラ対応、GPT-Live-1モデル
室谷代表取締役特徴を整理すると、まず「自然な会話体験」。これは単に音声読み上げするだけじゃなく、感情のこもった抑揚、間の取り方、割り込みへの対応が凄いんですよ。
テキトー教師DotAI 認定講師それに加えて「ライブカメラ対応」と「GPT-Live-1モデル」の搭載。ただ、GPT-Live-1の詳細スペックは今回の発表では開示されてませんね。
室谷代表取締役そうなんですよ。僕も気になって調べたんですけど、モデルのパラメータ数とかトレーニングデータの規模は明らかになってない。
ただ、体感としては従来のWhisper+GPT-4の音声パイプラインより遙かに自然です。
ただ、体感としては従来のWhisper+GPT-4の音声パイプラインより遙かに自然です。
テキトー教師DotAI 認定講師あと、GPT-Liveには「GPT-Live-1 mini」と呼ばれる軽量バージョンもあるという話を聞いたことがありますが、今回の発表では触れられていません。こちらも今後の情報待ちですね。
室谷代表取締役でも、教育現場で使うならレイテンシが少ない方がいいから、軽量版が使えると便利かも。今のところベータ的な位置づけかもしれません。
ChatGPT Voiceとの違い：従来の音声モードから何が変わったか
テキトー教師DotAI 認定講師ここはよく質問されるポイントです。従来のChatGPT Voiceは、単にテキスト生成結果を音声読み上げしているだけでした。
つまり、ユーザーが話した内容をテキストに変換し、それをGPTが処理し、その結果をまた音声に戻す、というパイプライン。
つまり、ユーザーが話した内容をテキストに変換し、それをGPTが処理し、その結果をまた音声に戻す、というパイプライン。
室谷代表取締役それがGPT-Liveになると、音声をそのまま入力として、音声で直接応答を生成するエンドツーエンドのモデルになるんですよね。だから、翻訳のような中間処理の遅延がなくて、会話のテンポが格段に良くなる。
テキトー教師DotAI 認定講師しかも、先ほど言った「同時聞き話し」も可能になりました。これによって、ユーザーが話している途中でも「あ、それね」と割り込めるし、逆にモデルが話している途中でユーザーが遮ってもすぐに反応してくれる。
室谷代表取締役あとは、トーンや感情表現が豊かになったのも大きい。従来の機械的な読み上げじゃなくて、驚いたときは声のトーンが上がったり、悲しい話では落ち着いた口調になったり。
これだけで会話体験の質が全然違うんですよ。
これだけで会話体験の質が全然違うんですよ。
テキトー教師DotAI 認定講師ライブカメラは従来の音声モードにはなかった機能です。今まではカメラで写真を撮ってアップロードするか、DALL-Eで画像生成するしかなかった。
それが、ライブでカメラ映像を見せながら「これについて説明して」と言えるようになった。
それが、ライブでカメラ映像を見せながら「これについて説明して」と言えるようになった。
室谷代表取締役実際に使ってみると、料理のレシピを聞きながら冷蔵庫の中を映したり、旅行先で看板を翻訳してもらったり、かなり実用的です。
利用開始方法：対応プランとアクセス手順
テキトー教師DotAI 認定講師では、具体的にどうやって使うか。まず、ChatGPT Edu、Business、Enterpriseのいずれかのアカウントが必要です。
室谷代表取締役PlusやProの個人プランではまだ使えない可能性が高いです。あくまで組織向けですね。
テキトー教師DotAI 認定講師手順としては、ChatGPTのモバイルアプリ（iOS/Android）を最新バージョンにアップデートし、ログインします。その後、音声モードのアイコン（ヘッドホンマーク）をタップすると、設定画面が表示されるはずです。
室谷代表取締役そこで「GPT-Live」というオプションがあれば、それを選択すればOK。もし表示されない場合は、管理者が機能をオフにしているか、まだロールアウトが完了していない可能性があります。
テキトー教師DotAI 認定講師Enterpriseの場合、管理者ポータルから音声機能を有効にする必要があるかもしれません。詳細はOpenAIの管理者ガイドを確認してください。
室谷代表取締役あと、この機能は現在英語がメインだと思います。日本語の音声認識と生成の品質については、まだ情報が少ないです。
今後の展開：Plus/Proや日本語対応は？
テキトー教師DotAI 認定講師多くのユーザーが気にするのは、個人向けPlusやProへの拡大、そして日本語を含む多言語対応の時期でしょう。
室谷代表取締役残念ながら、今回の発表ではそれらのロードマップは示されていません。OpenAIはよく段階的に機能を広げていくので、しばらく様子見でしょうね。
テキトー教師DotAI 認定講師とはいえ、Edu/Business/Enterpriseで実績を積んでから個人向けに展開する、というパターンは過去にもありました。特に教育分野でのフィードバックを反映して、品質を高めてから一般公開する可能性は高いです。
室谷代表取締役日本語対応も同様で、現時点では「今後対応予定」といったアナウンスすらない。ただ、ChatGPT自体は日本語に対応してるし、音声認識もWhisperが日本語をサポートしてるから、技術的には可能だと思います。
テキトー教師DotAI 認定講師そうですね。おそらく、日本語を含む主要言語への展開は時間の問題でしょう。
特に日本の教育機関や企業からの要望が強ければ、優先度が上がるかもしれません。
特に日本の教育機関や企業からの要望が強ければ、優先度が上がるかもしれません。
室谷代表取締役というわけで、今は組織向けに限定された機能ですが、個人の方も今後の展開を楽しみに待ちましょう。
よくある質問（FAQ）
室谷代表取締役よくある質問に先回りして答えていきますね。
テキトー教師DotAI 認定講師Q: GPT-Liveとは何ですか？
A: GPT-Liveは、ChatGPT Voiceに搭載された次世代の音声モードです。自然な会話の流れ、同時聞き話し、ライブカメラ対応などの特徴があります。
現在はEdu、Business、Enterpriseプランで利用可能です。
現在はEdu、Business、Enterpriseプランで利用可能です。
室谷代表取締役Q: 従来のChatGPT Voiceとどう違いますか？
A: 従来の音声モードはテキスト変換を経由していましたが、GPT-Liveは音声を直接入力として処理し、エンドツーエンドで応答を生成します。そのため、より自然なテンポと感情表現が可能です。
テキトー教師DotAI 認定講師Q: 利用するにはどのプランが必要ですか？
A: ChatGPT Edu、Business、またはEnterpriseプランのアカウントが必要です。PlusやProの個人プランでは現時点では利用できません。
室谷代表取締役Q: 日本語は使えますか？
A: 現時点では明らかにされていませんが、今後の対応が期待されます。
テキトー教師DotAI 認定講師Q: 料金は追加でかかりますか？
A: 各プランの既存の料金体系に含まれている可能性が高いですが、詳細はOpenAIの公式情報をご確認ください。
室谷代表取締役Q: ライブカメラはどのように使いますか？
A: ChatGPTアプリの音声モードでカメラアイコンをタップすると、リアルタイム映像を共有しながら会話できます。物体認識や翻訳などに活用できます。
テキトー教師DotAI 認定講師Q: データは学習に使われますか？
A: OpenAIは、API経由のデータは学習に使用しないと明言しています。ただし、ChatGPT Voiceの会話データについては、各プランのプライバシーポリシーをご確認ください。
室谷代表取締役テキトー教師DotAI 認定講師そうですね。まだ情報が少ない部分もありますが、実際に使ってみるとその凄さが実感できます。
ぜひ組織のアカウントをお持ちの方は試してみてください。
ぜひ組織のアカウントをお持ちの方は試してみてください。
室谷代表取締役またアップデートがあれば、.AI TIMESで速報します！
