OpenAIが音声対話機能「ChatGPT Voice」(音声モード)をデスクトップアプリ（Mac・Windows）に展開しました。
7月8日に発表した新世代音声モデル「GPT-Live」が基盤となっており、通常のチャットに加えて Codex や Work も自然な会話でタスクの開始や進捗確認を指示できます。
■ 割り込み対応や相槌も打てる双方向処理
GPT Voiceの基盤となるGPT-Liveは、「聞く」と「話す」を同時に処理するフルデュプレックス方式の音声モデル。従来のChatGPT音声機能は、音声認識・テキストの応答生成・読み上げをそれぞれ別のモデルが担当する構成でしたが、GPT-Liveは一つのモデルが入力と出力を並行処理します。
相槌を打ちながら聞く、話している途中で自然に割り込まれる・割り込む、といった挙動が可能になりました。
会話自体はGPT-Liveで、検索・推論・エージェント的な処理が必要な場面では会話を続けたままGPT-5.5などのテキストモデルに処理が渡される仕組みです。ライブ翻訳や、無言のまま長く待って文脈を保持するといった機能も紹介しています。
■ デスクトップ対応でCodex や Work の報告・指示も
今回のデスクトップ展開により、ChatGPT Voiceは会話に加えて実際の作業指示ができるようになりました。「Codexのタスクを開始してテストを流して」のように話しかけると、バックグラウンドで処理が進む間も会話を続けられます。
Macでは「Appshots」機能でフォーカス中のウィンドウを参照させることができ、Computer Use機能やローカルファイル、ChatGPTのプラグインとも連携します。
■ 提供・価格
ChatGPT VoiceのデスクトップアプリはMac・Windows両対応（デスクトップビルド26.715以降）でグローバルに展開しています。対象プランはPlus・Pro・Business・Edu・Enterpriseで、Free・Goプランには提供されていません。iOSアプリからのリモートアクセスでCodexの音声操作にも対応しています。
なお、ほぼ同時に AnthropicもClaudeの音声モードを刷新し、OpusやSonnetといった高度なモデルと会話できるようにしています。
ただしClaudeは聞く・考える・話すの順に処理するターン制のアーキテクチャのまま。GPT-Liveのように、音声認識・生成を一つのモデルで並行処理する方式ではありません。(発話中も聴き取っているので割り込み自体はできる)
