ChatGPTデスクトップ、GPT-Liveによる音声制御を追加

OpenAIは、macOSおよびWindows向けChatGPTデスクトップアプリ(旧Codexアプリ)に音声制御機能を追加した。この機能は7月8日に発表された音声モデル「GPT-Live」を搭載。GPT-Liveは全二重通信アーキテクチャを採用し、ターンテイキングによる待機なしで同時に聞き取りと発話が可能。ユーザーは音声でコンピューターを操作し、Codexを起動してコーディング、ChatGPT Workでタスクスケジュール管理、1回の音声セッションで複数のバックグラウンドエージェントを制御できる。複雑な推論タスクはGPT-5.5バックエンドにオフロードされ、会話は途切れずに進行。macOSユーザーには「Appshots」機能が提供され、音声セッションが前面ウィンドウを認識して文脈に応じた応答が可能だが、Windowsでは未対応。iPhoneユーザーはiOS版ChatGPTの音声をリモートペアリングし、デスクトップ版Codexを制御可能。Android対応も計画中。この機能はPlus、Pro、Business、Edu、Enterpriseの各サブスクリプションユーザーが全世界で利用可能だが、無料ユーザーは対象外。初期のデモでは、ユーザーがCodexと一緒にYouTubeを視聴したり、AirPodsを介して完全に音声で「バイブコーディング」を行ったり、デスクトップ画面をテレビに投影してアンビエント操作を実演している。
Key insights
GPT-Liveの全二重通信アーキテクチャが自然で途切れない音声操作を実現
従来の音声モデルではターンテイキングが必要だったのに対し、GPT-Liveは聞き取りと発話を同時に行えるため、会話がより自然になる。重い推論処理をGPT-5.5にオフロードすることで、音声操作が滞るのを防ぐ。この設計はリアルタイムのコンピューター制御において不可欠であり、ユーザーがコマンドを発している最中に即座にフィードバックを得ることを可能にする。
音声制御がデスクトップをアンビエントコンピューティングプラットフォームへ変貌させる
音声制御と画面コンテキストにより、ユーザーはAirPodsやペアリングしたiPhoneを使って部屋のどこからでもコンピューターを操作できる。これにより、ハンズフリーでのコーディング、メディア消費、タスク管理が可能となり、従来のデスクトップ利用とアンビエントAIアシスタントの境界があいまいになる。画面を投影して音声で操作できることは、より柔軟でキーボードに依存しないワークフローへの移行を示唆している。