OpenAIは、音声エージェントの話し方や動作をより細かく制御できる音声モデル「GPT-Live-1」のAPIを2026年9月10日にリリースしました。

GPT-Live-1は、話を聞きながら同時に話すことができる「フルデュプレックス方式」を採用しています。従来の音声認識、大規模言語モデル、音声合成を組み合わせる連結型の構成とは異なり、単一のモデルで音声の聞き取りと発話を処理するため、割り込み処理などの遅延を改善できるとOpenAIは説明しています。

また、会話中の推論やツール呼び出しなどの重い処理を、バックエンドのテキストモデルへ委任できる点も特徴です。これにより、複雑な作業を行っている間も会話の流れを維持することが可能になります。開発者はシステムプロンプトを通じて、エージェントの話し方のトーン、速度、会話スタイルを自由に設定できます。

APIの料金は、フロントエンドの音声レイヤーとして1分あたり0.05ドルです。OpenAIは今後数ヶ月にわたり、対応する音声オプションと言語を拡大していくとしています。

出典: