ChatGPT Voiceがデスクトップアプリに登場！最新アップデート速報
室谷代表取締役おお、来ましたね。OpenAIがChatGPT Voiceをデスクトップアプリで使えるようにしました。
今までモバイルだけだった音声機能が、いよいよPCでも本格的に動くようになったんですよね。
今までモバイルだけだった音声機能が、いよいよPCでも本格的に動くようになったんですよね。
テキトー教師.AI認定講師はい、これはかなり大きなアップデートです。公式スレッドでは「ChatGPT Voice is now in the desktop app」と発表されていて、macOSとWindowsの両方でPlus、Pro、Business、Edu、Enterpriseプラン向けに本日からグローバル展開されています。
単なる音声入力の移植じゃなくて、GPT-Liveという新しい技術基盤が使われている点が重要ですね。
単なる音声入力の移植じゃなくて、GPT-Liveという新しい技術基盤が使われている点が重要ですね。
室谷代表取締役GPT-Liveって、あの2024年5月にGPT-4oのデモで見せた超低遅延音声対話のやつですよね。あれがついにデスクトップでも動くようになったと。
しかも、WorkやCodexで動かしている複数のエージェントを音声で一括指揮できるっていうから驚きです。
しかも、WorkやCodexで動かしている複数のエージェントを音声で一括指揮できるっていうから驚きです。
テキトー教師.AI認定講師そうなんです。背景ブリーフを読むと、これまでデスクトップ版では音声操作ができなかったんですよね。
モバイルアプリでは2023年9月からChatGPT Voiceが使えていましたが、PCではテキストベースが基本で、マイクからのSTT（音声→テキスト変換）をかませた間接的な利用しかできませんでした。また、複数のGPTsやAssistantsを同時に動かすには画面を切り替えながらテキストで指示する必要があって、かなり手間でした。
モバイルアプリでは2023年9月からChatGPT Voiceが使えていましたが、PCではテキストベースが基本で、マイクからのSTT（音声→テキスト変換）をかませた間接的な利用しかできませんでした。また、複数のGPTsやAssistantsを同時に動かすには画面を切り替えながらテキストで指示する必要があって、かなり手間でした。
室谷代表取締役そうそう。特にプログラミング中に両手がキーボードから離せないときとか、音声で「あのエージェントにこれを調べさせて、こっちのコードをレビューさせて」って並行で指示できたら便利ですよね。
今回のアップデートでそれが現実になりました。
今回のアップデートでそれが現実になりました。
GPT-Liveとは？リアルタイム音声対話の仕組みとできること
テキトー教師.AI認定講師ここでGPT-Liveについて整理しておきましょう。正式な技術仕様はまだあまり公開されていませんが、背景ブリーフによると「低遅延で感情表現豊かな音声対話を実現する技術基盤」とされています。
GPT-4oの音声機能をさらに強化したものと推測されますね。
GPT-4oの音声機能をさらに強化したものと推測されますね。
室谷代表取締役要するに、話している最中にAIが割り込んで相槌を打ったり、こちらの発言を認識しながら同時に次のアクションを準備できるってことですよね。これまでは「話し終わってから返答」だったのが、リアルタイムで会話しながら作業を進められるのがポイントです。
テキトー教師.AI認定講師公式スレッドには「speak, listen, and coordinate work in the app at the same time」とあります。つまり、音声で指示を出しながら、AIがその内容を理解して即座にWorkやCodex内のエージェントに指示を出したり、画面の操作を代行したりできるわけです。
室谷代表取締役これは本当にワークフローが変わりますね。例えば、会議中に「このレポートの要点を3つにまとめて、関連するデータをスプレッドシートに落としておいて」と声で言えば、AIが複数のタスクを同時に動かす。
今まではテキストで一つずつ指示していましたけど、それが音声で一気にできるようになる。
今まではテキストで一つずつ指示していましたけど、それが音声で一気にできるようになる。
対応プラン・OSは？Plus/ProからEnterpriseまで、macOS/Windows両対応
テキトー教師.AI認定講師対応プランはPlus、Pro、Business、Edu、Enterpriseです。無料のFreeプランは今回の対象外のようですね。
OSはmacOSとWindowsの両方で、デスクトップアプリに音声機能が追加される形です。
OSはmacOSとWindowsの両方で、デスクトップアプリに音声機能が追加される形です。
室谷代表取締役僕もMYUUUでEnterprise契約をしているので、早速試したいところです。ちなみにデスクトップアプリ自体はすでに公開されていますから、最新版にアップデートするだけで使えるはずです。
テキトー教師.AI認定講師はい。注意点としては、音声機能を使うにはマイクの許可設定が必要です。
また、GPT-Liveの利用にはそれなりのネットワーク帯域が必要かもしれません。現時点で具体的なシステム要件は明らかにされていませんが、リアルタイム音声処理をするのである程度のスペックは求められるでしょう。
また、GPT-Liveの利用にはそれなりのネットワーク帯域が必要かもしれません。現時点で具体的なシステム要件は明らかにされていませんが、リアルタイム音声処理をするのである程度のスペックは求められるでしょう。
室谷代表取締役あと、WorkやCodexとの連携ですけど、WorkはChatGPT TeamやEnterpriseプランのワークスペース機能を指すのでしょうか。背景ブリーフでは「ビジネス向けワークスペース／プロジェクト管理機能」と解説されています。
CodexはChatGPT内のコード実行環境、いわゆるCode Interpreterのことですね。
CodexはChatGPT内のコード実行環境、いわゆるCode Interpreterのことですね。
テキトー教師.AI認定講師その通りです。以前はCodexが独立したAPIサービスでしたが、今はChatGPT内に統合されています。
音声でコードの生成や実行を指示できるので、開発者の生産性が大幅に上がるでしょう。
音声でコードの生成や実行を指示できるので、開発者の生産性が大幅に上がるでしょう。
iOSアプリからのリモートアクセスも可能、Androidは近日対応予定
室谷代表取締役もう一つ大きな発表がありました。iOSアプリからデスクトップのCodexをリモート操作できるようになったんです。
つまり、外出先からスマホの音声で自宅のPCにあるChatGPTのコード実行環境を操作できる。
つまり、外出先からスマホの音声で自宅のPCにあるChatGPTのコード実行環境を操作できる。
テキトー教師.AI認定講師これは便利ですね。例えば電車の中でバグを見つけて「この関数の引数を変更して実行してみて」と音声で指示すれば、自宅のPCでコードが実行されて結果が返ってくる。
リモートデバッグが音声で完結するわけです。
リモートデバッグが音声で完結するわけです。
室谷代表取締役Androidは「coming soon」と書いてあるので、まだ対応していません。iOSユーザーが先行して使える形ですね。
ちなみにこのリモートアクセスは「paired remote access」という表現が使われていて、ペアリング設定が必要なのかもしれません。詳細はまだ明らかになっていません。
ちなみにこのリモートアクセスは「paired remote access」という表現が使われていて、ペアリング設定が必要なのかもしれません。詳細はまだ明らかになっていません。
実際の使い方：WorkやCodexでの音声操作・複数エージェント指揮
テキトー教師.AI認定講師具体的にどう使うか、イメージを膨らませましょう。例えば、あなたが営業企画の資料を作っているとします。
音声で「リサーチエージェントに来月の市場トレンドを調べさせて、文章校正エージェントにこのドラフトをレビューさせて、ついでにコードエージェントにグラフ生成のスクリプトを書かせて」と一気に指示できます。
音声で「リサーチエージェントに来月の市場トレンドを調べさせて、文章校正エージェントにこのドラフトをレビューさせて、ついでにコードエージェントにグラフ生成のスクリプトを書かせて」と一気に指示できます。
室谷代表取締役それで各エージェントが並行して動き出すわけですね。従来は「まずリサーチ、結果を待ってから次…」というシリアルな流れでしたが、音声でリアルタイムに状況を確認しながら次の指示を出せる。
これはマルチエージェントの真価が発揮される瞬間です。
これはマルチエージェントの真価が発揮される瞬間です。
テキトー教師.AI認定講師教育現場でも使えそうです。講座で「受講生さんの質問にリアルタイムで回答するエージェント」と「コードレビューをするエージェント」を同時に動かしながら、講師が音声で進行をコントロールできる。
室谷代表取締役プログラミング学習に使うなら、「このコードのバグを指摘して」「もっと効率的な書き方を教えて」「実行結果をグラフにして」と声で指示を連続して出せる。キーボード操作を減らせるので、思考の流れを中断せずに学習を進められます。
よくある質問（FAQ）
テキトー教師.AI認定講師ここでよくある質問をいくつかまとめておきます。ソースで裏が取れる範囲でお答えしますね。
室谷代表取締役はい、FAQ形式でいきましょう。
Q: ChatGPT Voiceデスクトップアプリはどこからダウンロードできますか？ A: 既存のChatGPTデスクトップアプリ（macOS/Windows）を最新版にアップデートすることで利用できます。新規の方はOpenAI公式サイトからデスクトップアプリをダウンロードし、サインイン後に音声機能が有効になります。
Q: 日本語の音声認識に対応していますか？ A: 公式スレッドでは日本語対応について明記されていませんが、ChatGPT Voiceはこれまでモバイルアプリで日本語を含む複数言語に対応してきました。デスクトップ版でも同様に日本語が使える可能性が高いですが、現時点では明らかにされていません。最新情報はOpenAIの公式発表をご確認ください。
Q: 料金はいくらですか？ A: ChatGPT Voiceデスクトップ機能はPlus（月額20ドル）、Pro（月額200ドル）、Business、Edu、Enterpriseプランの一部として提供されます。Freeプランでは利用できません。各プランの詳細はOpenAIの公式ページをご参照ください。
Q: 注意点はありますか？ A: デスクトップアプリで音声機能を使うにはマイクのアクセス許可が必要です。また、GPT-Liveはリアルタイム処理を行うため、安定したインターネット接続と一定のPCスペックが推奨されます。WorkやCodexとの連携には対応プランへの加入が必須です。
室谷代表取締役テキトー教師.AI認定講師そうですね。特にGPT-Liveの技術的な背景はChatGPT長期記憶のすべてでも触れていますので、興味のある方はご覧ください。
今後のアップデートにも注目ですね。
今後のアップデートにも注目ですね。
