ChatGPTの強化された音声モードの体験：かつてないほど自然

💡 知っておくべき最も重要なこと

• GPT-Liveでは、話すことと聞くことを同時に行うことができるため、会話の中断にも対応でき、より自然な会話体験と迅速な応答を実現します。
• 複雑なタスクをバックグラウンドで処理し、周囲の雑音を無視しながら、話している内容をリアルタイムで翻訳できます。
• ChatGPTの音声「インテリジェンス」レベルは、応答速度と精度をバランスよく調整するために、3つのモード（即時、中、高）で設定できます。

ChatGPTの最新アップグレードであるGPT-Liveが、現在すべてのユーザーに順次展開されています。OpenAIはこれを、AI搭載チャットボットとの対話のための「新世代」音声モデルと位置付けており、文字入力よりもチャットに時間を費やすようになり、ChatGPTの優れた機能を最大限に活用できるようになるでしょう。

ChatGPTにおける音声入力は目新しい機能ではありませんが、これまでは標準的なテキスト入出力の上に構築された比較的シンプルなレイヤーに過ぎませんでした。音声入力はAIとのより自然な対話方法として説明されてきましたが、GPT-Liveはこのシームレスさを全く新しいレベルに引き上げることを約束しています。

今回初めて、音声モードは会話を続けながらバックグラウンドで思考できるようになります。また、必要に応じて一時停止する余裕を与え、「うーん」や「はい」といった相槌で、まだ聞いていることを知らせてくれます。

このアップグレードは、モバイル端末およびウェブ端末で現在（または間もなく）利用可能になる予定です。無料ユーザーはGPT-Live-1 miniを、有料プラン加入者はより高性能なGPT-Live-1モデルを利用できます。

GPT-Liveはどのように動作するのですか？

OpenAIの究極の目標は、ChatGPTとの会話をまるで本物の人間と話しているかのように感じさせることであり、GPT-Liveはその実現に近づいている。従来、AIとの音声対話には、音声テキスト変換用の特定のモデル、実際のクエリ応答用の別のモデル、そしてテキスト音声変換用のさらに別のモデルが必要だった。

ChatGPTの従来の音声モデルは、これらすべてを単一のAIモデルに統合していましたが、依然としてターン制でした。つまり、あなたが話し、チャットボットが応答し、そしてまたあなたが話すという流れです。GPT-Liveでは、ChatGPTは同時に話したり聞いたりできます。必要に応じてチャットボットの応答を中断することができ、応答はより速く、より正確になります。

新しい音声モードは、思考の途中で一時停止することと、実際に質問を最後までやり遂げることの違いを認識する能力が向上しているはずです。このモデルは、話すか、聞き続けるか、一時停止するか、割り込むか、ツールを呼び出すかを、1秒間に数回再計算します。

出典: OpenAI

このアップグレードのもう一つの利点は、会話を続けながら、複雑なタスクや深い思考処理をバックグラウンドでChatGPTサーバーに送信できるようになったことです。また、ChatGPTに一時停止や処理速度の調整を依頼することもできます。さらに、視覚的な応答も改善され、例えば、場所、天気予報、スポーツのスコアなどのポップアップカードが表示されるようになりました。

GPT-Liveでは、話している内容を外国語に翻訳するよう指示できるようになりました。この新機能により、話している最中に、中断や一時停止なしに、瞬時に翻訳された内容を聞くことができます。また、交通騒音や周囲の会話などのバックグラウンドノイズを除去する機能も改善されました。

GPTライブ体験

モバイルアプリでオーディオモードにアクセスするには、入力ボックスの右側にある音波アイコンをタップします。新しいモードは以前のモードと非常によく似ていますが、今回のアップデートにより、画面上部に「Live」という文字が表示されます（少なくとも現時点では、これをタップすると以前のモードに戻すことができます）。

アップデートされた音声モードは、すぐに、よりリアルで自然な音声に聞こえます。ChatGPTは、多彩で表情豊かな話し方をし、何かを探しているときには「ちょっと確認させてください」といった便利な合図を付け加えます。また、時折、言葉をためらったり、引き伸ばしたりすることもあります。

私はGPT-Liveと数分間、公開予定の映画、最近のサッカーの試合、テクノロジー関連のニュースの見出しなどについて話しましたが、丁寧で簡潔かつ論理的な回答を得ることができました（音声モードは、すべての回答に長文のテキストが表示されるのを避けたい人にとって、依然として頼りになる選択肢です）。

3段階の「知能」レベルから選択できます。出典：OpenAI

会話が途切れたり止まったりする場面が何度かありましたが、これは約30分間の会話の中で発生しただけで、（これらの不具合は時間とともに修正されるはずです）。また、会話の中断への対応も素晴らしく、AIは相手の発言を確認するために一時停止した後、再び会話を再開します。

ChatGPTの新しい音声モードでは、インテリジェンスのレベルを調整できます。右上のスライダーアイコンをクリックし、「インテリジェンス」をクリックしてください。応答性、詳細度、精度のバランスが異なる「インスタント」「ミディアム」「ハイ」の3つのモードから選択できます。