OpenAI、音声会話モデル「GPT-Live-1」をAPI公開

OpenAIは、音声のやりとりをリアルタイムで処理できる新しいモデル「GPT-Live-1」を開発者向けAPIとして公開した。このモデルの最大の特徴は「全二重（フルデュプレックス）」通信への対応で、話しながら同時に相手の音声を聞き取ることができる。人間同士の自然な会話に近い体験を、アプリケーションとして実装できるようになる。

従来のAI音声システムの多くは、話す番と聞く番が交互に切り替わる「半二重」方式をとっていた。このため、相手が話し終わるまで返答できない、割り込みができないといった不自然さが生じやすかった。GPT-Live-1はこの制約を取り除き、相手が話している最中でも反応できる仕組みを備えている点で、音声AIの使い勝手を一段引き上げるものと位置づけられる。

性能面では、インタラクティビティ（会話の自然さ・応答性）を測るテストで80.1%のスコアを記録した。前世代モデルのスコアが45.4%だったことと比較すると、大幅な改善といえる。この数値はOpenAIが公表したものであり、第三者による独立した検証結果ではない点には留意が必要だ。

利用料金は1分あたり0.05米ドル（約7〜8円）に設定されている。この価格がビジネス用途として割安かどうかは、用途や通話量によって大きく異なる。たとえば、カスタマーサポートや音声アシスタントのように通話時間が長くなりがちなサービスでは、コストが積み上がりやすい点を考慮する必要がある。

APIとして提供されることで、企業や個人開発者はGPT-Live-1を自社のアプリやサービスに組み込める。音声対話を活用したカスタマーサポート、語学学習、アクセシビリティ向上ツールなど、さまざまな用途での活用が考えられる。一方で、導入にあたっては料金設計とユーザーの利用時間をしっかり見積もることが重要になるという見方ができる。

音声AIの領域では複数の企業が競争を続けており、リアルタイム性と自然さの向上が共通の課題となっている。GPT-Live-1の公開は、この分野におけるOpenAIの技術的な立ち位置を示す動きとして注目される。今後は、実際の利用者や開発者から得られるフィードバックが、次世代モデルの方向性を左右する重要な材料になると考えられる。