GPT-Live-1とは？ChatGPTの音声が「聞きながら話す」全二重に変わった意味
GPT-Live-1は、OpenAIが2026年7月8日にChatGPTの音声機能へ導入した新しい音声モデルです。最大の変化は、AIが聞くことと話すことを同時に行う全二重方式になった点で、こちらから割り込んだり、話す速度を落とさせたり、考えている間は待ってもらったりできます。会話しながらウェブ検索を行い、天気や株価といった結果を画面のカードとして表示することも可能です。有料プランではGPT-Live-1、無料プランではGPT-Live-1 miniが既定になります。経営視点で重要なのは性能そのものより、移動中や現場の時間が、より自然にAIを使える対象時間になったことです。
2026年7月8日に発表されたこと
OpenAIは2026年7月8日、ChatGPTの音声体験を刷新する新モデルとしてGPT-Live-1とGPT-Live-1 miniを公開しました（Introducing GPT-Live）。公式には、GPT-Live-1がGo、Plus、Proの各プランでChatGPT Voiceの既定モデルとなり、無料プランではGPT-Live-1 miniが既定になると説明されています。提供はiOS、Android、chatgpt.comで順次進み、対応地域という条件が付きます。
音声も作り直され、公式ページにはGPT-Live向けに9種類が用意されたと記されています。ただし注目すべきは声質ではなく、従来の音声モードが抱えていた会話のぎこちなさが、原因の側から作り替えられた点です。
発話が終わるのを待つAIと、何が違うのか
違いは会話の組み立て方そのものにあります。対比するとはっきりします。
▼従来の音声モード 初期のChatGPT Voiceは、音声認識、言語モデル、音声合成を直列につないでいました。一方、Advanced Voice Modeは音声を単一モデルで扱ったものの、ターン制のため、沈黙や背景音を話し終わりと誤認する弱点が残っていました。屋外でAIが勝手に喋り出す、あの現象です。
▼GPT-Live 入力を処理しながら出力を生成します。公式の表現では、話すか、聞き続けるか、一時停止するか、割り込むか、ツールを呼ぶかという判断を1秒間に何度も下します。相手の話が続いているときに、従来より黙って聞きやすくなります。ただし背景音や長い沈黙で応答する場合はあります。
この設計変更が実務にもたらすものは、雑談の心地よさではありません。指示を修正するコストが下がることです。従来は的外れな回答が始まったら終わるまで待つ場面がありました。今は「そこは違う、B社の件」と声で被せて軌道修正しやすくなります。音声が読み上げ機能ではなく操作インターフェースに近づいた、という表現はここを指しています。
会話を止めずに、検索も表示もこなす
公式のリリースノートによれば、GPT-Live-1はChatGPTのチャットの中で動き、音声の返答と同時にテキストが流れます。ウェブ検索とメモリを使い、対応ウィジェットで視覚的な結果を表示し、同じ会話の中でテキストと画像を扱えると明記されています（ChatGPT Release Notes）。会話中に天気、株価、スポーツなどのカードが画面に出る、と公式ページも説明しています。
重い処理の扱い方も特徴的です。込み入った依頼が来た場合、GPT-LiveはGPT-5.5のような別のモデルに処理を委ね、その間も会話の流れを保ったまま話し続けられると公式は説明しています。速さ重視のInstantに加え、時間をかけて考えさせるMediumとHighも選べます。担当者が調べている間に司会が場をつなぐ動きに近く、待ち時間が沈黙になりません。
公式ページはライブ翻訳にも触れています。ただし言語については、ChatGPTで最も使われている言語のいくつかに最適化したという表現にとどまり、日本語を名指しした記述は確認できません。一部の言語ではアクセントや流暢さに課題が残るとも書かれています。
対象プランと使える時間、法人版の扱い
見落とされやすいのは、料金ではなく利用時間の上限で設計されている点です。公式ヘルプ（ChatGPT Voice）は、ローリング24時間あたりの目安を示しています。
▼無料プラン GPT-Live-1 miniに、24時間ごとの制限付きでアクセスできます。
▼GoとPlus GPT-Live-1をInstantで最大1時間、MediumまたはHighで1時間、GPT-Live-1 miniで2時間。
▼Pro 月100ドルはInstantで12時間、MediumまたはHighで12時間、miniで24時間。月200ドルではGPT-Live-1が無制限です。
▼Business Instantで1時間、MediumまたはHighで1時間。超過分は1分あたり5クレジットを消費します。
▼Enterprise、Edu、Healthcare Flexible Pricingでは1分あたり5クレジット。旧Enterprise/EduプランではLiveが1時間、Live miniが2時間です。
1回の会話は最長2時間という上限もあります。無制限に喋り続けられる道具ではありません。
法人利用にはもう一段の注意が要ります。7月8日時点のリリースノートは、ChatGPT Business、Enterprise、Eduのワークスペースでは提供対象外だと記していました。2026年7月31日時点の公式ヘルプでは、対象のBusiness、Enterprise、Edu、Healthcareワークスペースで利用可能です。ただしEnterprise、Edu、Healthcareの早期アクセス期間中は、オーナーがVoiceとEarly Model Accessの両方を有効にしなければメンバーは使えません。自社だけ使えないという声が上がったら、まず管理設定を確認してください。
APIは、公式が近日中に提供予定としたうえで、開発者と企業向けに通知登録フォームを案内しており、公開APIドキュメント上でもGPT-Live-1の一般提供モデルIDや価格は確認できません。7月31日の公式更新ではOpenAI API経由のGPT-Live生成音声へのSynthID透かしに触れられていますが、少なくとも公開情報だけでは組み込みの見積もりは立てられません。
なお、利用時間、法人ワークスペースの対象条件、API提供状況、価格は更新される可能性があります。導入判断や予算試算では、必ずOpenAIの公式ヘルプ、リリースノート、APIドキュメントで最新条件を確認してください。
日本企業のどの時間が、AIの対象になるのか
全二重化の価値は、これまでAIを使いにくかった業務時間の量で測ると輪郭が見えてきます。
営業部門の移動時間から考えてみます。公式ヘルプはApple CarPlayでの利用に触れており、対応するiPhoneならCarPlayから利用できます。ただし法令上許され、安全に使える状況に限られます。訪問前の10分で「この会社の直近のプレスリリースを調べて、前回の議事録の論点と突き合わせて」と話しかけ、返答の途中で「そこはいい、価格の話だけ詳しく」と割り込む。資料を読み返せない空白だった移動時間が、口頭のブリーフィング時間に変わります。
店舗、工場、保守の現場はさらに効きます。手が塞がり手袋をしている状況ではキーボードが使えません。設備の型番を口頭で伝えて手順を確認する、点検で気づいた異常を歩きながら口述する。ここで決定的なのが割り込めることです。作業しながらの会話は中断が前提であり、AIが喋り終わるのを待てる現場はほとんどありません。ただし画像は扱えるものの、リリース時点で映像と画面共有には非対応です。カメラを向けて故障箇所を見せる使い方は、当面は従来の高度な音声モード側に残ります。
多言語が必要な部門にも用途があります。海外拠点との定例、外国籍スタッフへの現場説明、インバウンド接客など、通訳を常設できない場面は多い。ライブ翻訳によって簡易な相互理解の道具としての可能性は広がりました。ただし日本語の品質は公式に保証されておらず、契約条件や安全指示のように誤訳が実害を生む場面で人の確認は外せません。
経営企画や商品企画の思考整理も見逃せません。ChatGPT Voiceのプロダクト責任者Atty Eleti氏は、長い会話のために作られた機能で、自身も散歩中に30〜40分の会話をしていると語ったと報じられています（出典：TechCrunch）。構想段階の壁打ちは、文章にする前の曖昧な状態で話すほうが早い。その領域が音声で扱えます。
検証をどう始めるか
全社導入の可否から議論する必要はありません。判断材料を最短で集める順序があります。
出発点は、キーボードが使えない時間の洗い出しです。移動、現場作業、立ち会い、待ち時間。そこで社員が何を知りたがっているかを2週間記録すれば、投資対象が具体的な業務名で見えてきます。
続いて少人数での実測です。営業3名と現場3名程度に2週間使ってもらい、割り込みの成功率、日本語の聞き取り精度、騒音下での挙動を記録します。GoやPlusはInstantが1日1時間のため、どの使い方で上限に当たるかも測れます。
法人ワークスペースなら、情報システム部門との確認を並行させます。VoiceとEarly Model Accessの設定状況と、音声データの取り扱い方針の整理です。何を話してよく何を話してはいけないかを一枚にまとめておくと、現場の使用率が変わります。
誤解されやすい論点
機密情報の音声入力は最も整理が必要な領域です。公式ヘルプは、音声クリップは文字起こしとともに30日間保持され、その後は法的または安全上の必要がある場合などを除いて削除されると説明しています。学習に使われるのは、データ管理の設定で「Include your audio recordings」を利用者が有効にした場合です。個人向けプランでは設定確認が必要です。Business、Enterprise、Eduでは音声・動画クリップを学習用に共有できません。
議事録ツールの代わりになると考えるのも危うい発想です。公式ヘルプは、会話後にチャットへ文字起こしが追加されるものの、話した内容と正確に一致しない場合があると明記しています。会話の相棒としての記録であって、証跡としての議事録ではありません。
非対応機能も冷静に見る必要があります。映像と画面共有はリリース時点で使えず、LiveはChatGPTのライブラリからファイルを探して追加することもできません。音声で何でもできると社内に説明すると、期待と実態の差がそのまま不信につながります。
性能評価の読み方にも注意が要ります。公式はGPQA、BrowseComp、τ³-Voice Telecomで従来の高度な音声モードを上回ったとしていますが、日本語の業務会話での精度を示すものではありません。自社の判断材料としては自前の検証に勝るものはありません。
よくある質問
Q. GPT-Live-1とGPT-Live-1 miniの違いは何ですか。 A. GPT-Live-1がGo、Plus、Proの既定モデル、GPT-Live-1 miniが無料プランの既定モデルです。有料プランでもminiには別枠の利用時間があります。
Q. 従来の高度な音声モードは使えなくなりますか。 A. 公式ページは、標準音声モードと高度な音声モードを含む従来版に引き続きアクセスできると述べています。映像や画面共有を使いたい場合は当面そちらを選びます。
Q. 日本語で使えますか。 A. 公式は、ChatGPTで最も使われている言語のいくつかに最適化したとするにとどまり、日本語を名指しした記述は確認できていません。自社の用途で実用水準に達しているかを試して判断するのが現実的です。
Q. APIで自社サービスに組み込めますか。 A. 公式は近日中にAPIへ展開する予定とし、開発者と企業向けの通知登録フォームを案内しています。公開APIドキュメント上ではGPT-Live-1の一般提供モデルIDや価格は確認できません。
Q. 会話中にウェブ検索やメモリは使えますか。 A. 公式のリリースノートは、ウェブ検索とメモリを利用でき、対応ウィジェットで視覚的な結果を表示し、同じ会話でテキストと画像を扱えると明記しています。込み入った依頼はGPT-5.5のような別のモデルに委ねられます。
Q. どれくらいの時間使えますか。 A. ローリング24時間ごとの上限があります。GoとPlusはInstantで1時間、MediumまたはHighで1時間、miniで2時間が目安で、1回の会話は最長2時間です。
Q. Business版やEnterprise版で使えますか。 A. 2026年7月31日時点では、対象のBusiness、Enterprise、Edu、Healthcareワークスペースで利用可能です。ただしEnterprise、Edu、Healthcareの早期アクセス期間中は、オーナーがVoiceとEarly Model Accessを有効にする必要があります。情報システム部門への確認が先決です。
まとめ
GPT-Live-1がもたらした変化は、音声が上手くなったことではありません。AIが聞きながら話せるようになり、割り込み、間、話す速度の調整といった、人間同士に近い会話の流れを扱いやすくなった点にあります。指示を修正するコストが下がれば、AIは机に向かって使う道具から、歩きながら動かせる道具に変わります。
一方で、法人ワークスペースでの提供条件、映像と画面共有の非対応、APIの一般提供・価格未確認、日本語品質の未保証と、投資判断の前に確認すべき条件は残っています。利用時間の上限がプランごとに細かい点も、全社展開では無視できません。
いま経営が下すべき判断は、全社導入の可否ではないはずです。自社のどの業務時間が、キーボードという制約のせいでAIの空白地帯になっているのか。移動中の営業、現場作業、多言語対応。その空白地帯の大きさこそが、この技術が自社にとって持つ価値の大きさです。
移動中や現場作業で音声AIをどう使えるか、自社業務に落とし込みたい場合は、地域企業のAI導入を伴走するトレジャーフットAIにご相談ください。無料相談では、キーボードを使いにくい業務時間を洗い出し、最初に試す運用ルールまで一緒に設計できます。
