ChatGPTの音声モードがようやく「本当の会話」になった — 割り込める、相槌を打つ、待ち時間も喋り続ける

7月18日、MakeUseOfが「ChatGPT can now listen and talk at the same time, and that changes everything」と題した記事を公開した。この記事では、OpenAIが2026年7月8日にリリースしたGPT-Live-1によって、ChatGPTの音声モードが「話し終わるのを待つ」体験から「本当の会話」に変わったことについて詳しく紹介されている。

GPT-Live-1とは何か

GPT-Live-1は、2026年7月8日にOpenAIがリリースした音声特化モデルだ。

OpenAIはこれまでもChatGPTに音声機能を段階的に追加してきた。2024年に導入されたAdvanced Voice Mode（GPT-4oベースの音声対話機能）は、リアルタイムの音声会話を可能にした点では画期的だったが、根本的な制約を抱えていた。AIが発話している間はユーザーの音声入力を受け付けない、いわば「半二重通信」に近い構造だったのだ。GPT-Live-1はこのアーキテクチャを刷新し、聴取と発話を真の意味で同時並行処理できるモデルとして位置づけられる。

従来の音声モードの最大の欠点は「割り込めない」ことだった。AIが話している最中に口を挟もうとしても無視され、話し終わるまで待つしかなかった。その間に言いたかったことを忘れる、という体験をした人は多いはずだ。

GPT-Live-1はこの問題を根本から変えた。話している最中でも相手の声を聞き続け、割り込みに反応できる。聞き・話しの同時処理が可能になったということだ。

最も変わった点：「mhmm」と「Sorry. Go ahead.」

記事で最も印象的なエピソードがこれだ。筆者がPythonの学習方法についてGPT-Live-1に話しかけていると、AIが「mhmm」と相槌を打った。最初は「話を遮るな」と思ったが、それはAIが「まだ聞いています」というサインだった。

さらに筆者が「Yeah, wha…」と言いかけると、AIは話を止めて「Sorry. Go ahead.」と返した。自分が割り込もうとしたことをAIが検知し、自発的に黙ったわけだ。

従来モデルとの差はここに凝縮されている。以前は「AIが話し終わるまで自分の思考を保留する」必要があったが、GPT-Live-1では人間同士の会話と同じリズムで進められる。

筆者が「コードが動けばいい、見た目がひどくなければOK」と言ったとき、AIが軽く笑って「Right, sure. Functional but not messy…」と返したエピソードも紹介されている。この「笑い」の反応は筆者も想定外だったようで、「少し奇妙だった」と正直に書いている。この感想は批判というより、AIが文脈のニュアンスを読んで感情的な反応を示したことへの驚きの表れとして読める。音声AIがどこまで「自然」に振る舞えるかの現在地を示す一場面だ。

検索中に「バニーの話」をしてくれる

もう一つ実用的な変化がある。GPT-Live-1はバックグラウンドでWeb検索などの重いタスクをGPT-5.5に委譲しながら、会話を継続できる。

筆者がPythonに関する調査を頼んだとき、処理待ちの間にバニーの話を聞かせてほしいと頼んだ。するとAIは「Biscuit the bunny」というキャラクターがブルーベリーを探すストーリーを語り始め、調査が終わると同時に「では、初心者が取り組むべきステップの話に戻りましょう。まず変数から…」と切り替えた。

ストーリーを挟まず単純に待つよう頼んだケースでは、「Sure, checking now…」というフィラーフレーズ（つなぎの言葉）を引き伸ばしながら時間を埋めたという。無音の沈黙ではなく、意図的な間として処理されるため、会話の流れが途切れない。

会話のテキスト履歴をあとから参照できる

音声会話の弱点として「言ったことが記録されない」という問題があった。GPT-Live-1では会話のすべてがテキスト履歴として残り、後から特定のフレーズをハイライトして深掘りできる。

筆者はフランス語の練習にGPT-Live-1を使い、後から文法を確認したいフレーズをハイライトして「Ask ChatGPT」機能でテキストベースの詳細解説を取得した。「passée」に余分な「e」が付く理由（名詞の性との一致）や語順の解説が表示され、頼んでいない補足情報（より簡単な言い回し）まで提供されたという。

まとめ

GPT-Live-1の変化をまとめると以下の3点だ。

同時処理：話しながら相手の声を聞き続け、割り込みを検知して自発的に止まる
待ち時間の活用：バックグラウンド検索中も会話を継続、沈黙を排除
履歴参照：音声会話のテキストログを後からハイライト・深掘りできる

筆者は「詳細を時間をかけて学ぶときはテキストモード、アイデアを素早く展開したいときは音声モード」と使い分けるようになったと述べている。

※編集部の考察：「割り込める」「相槌を打つ」という変化は単なるUX改善に留まらない。Advanced Voice Modeの登場時から指摘されていた「ターン制の不自然さ」がようやく解消されたことで、音声モードの用途が教育・語学練習・ハンズフリー作業へと広がる可能性がある。テキスト履歴との連携も、「音声は記録に残らない」という従来の弱点を補う現実的な解決策といえる。

詳細はChatGPT can now listen and talk at the same time, and that changes everythingを参照していただきたい。