GPT-Live-1とAPIの現在地|「会話しながら仕事をする音声AI」はどう作る?
OpenAIが2026年7月に発表した「GPT-Live-1」は、ChatGPTの新しい音声体験を支えるモデルです。 特徴は、単に「音声でChatGPTと話せる」ことではありません。人間の話を聞きながら応答し、相づちを打ち、割り込みにも対応する リアルタイムな会話そのもの を担当するよう設計されている点です。 ただし、最初にAPIの提供状況を整理しておく必要があります。 2026年9月11日時点で、GPT-Live-1そのものを一般の開発者が指定して利用できるAPIモデルは、OpenAIの公式APIモデル一覧では確認できません。 OpenAIはGPT-Live発表時にAPI提供予定を案内しており、現在もGPT-Live-1のAPI提供通知を受け取るための登録ページを公開しています。 一方でOpenAI APIには、GPT-Realtime-2.1など、リアルタイムの音声入出力とTool Callingに対応したモデルがすでに存在します。 つまり、「リアルタイム音声エージェントをAPIで作る」という世界自体はすでに始まっています。そのうえでGPT-Live-1が示している設計思想を見ると、今後の音声AIがどこへ向かうのかがかなり分かりやすくなります。 この記事で特に注目したいのは、次の考え方です。 GPT-Live-1は、すべての仕事を単独で処理するAIというより、人間とのリアルタイムな会話を担当する「フロントエンドAI」として考えると分かりやすい。 「会話するAI」と「仕事をするAI」を分け、それらを組み合わせる。この構成が、これから音声AIサービスを考えるうえで重要になりそうです。 1. GPT-Live-1とは? GPT-Live-1は、OpenAIが2026年7月に発表したGPT-Liveシリーズの音声モデルです。ChatGPTでは有料ユーザー向けの音声モデルとして導入されています。 大きな特徴が Full-duplex(全二重) です。 これは簡単に言えば、AIが「聞く」と「話す」を同時に扱える仕組みです。 従来の音声AIでは、人間が話し終わってからAIが考え、AIが話し終わってから再び人間が話す、というターン制になりがちでした。 GPT-Liveでは入力を受けながら出力を生成し続け、「話す」「聞き続ける」「少し待つ」「割り込みに対応する」「ツールを呼ぶ」と...