予告なしで現れたGPT-Liveとは何か
この回のテーマは、OpenAIから突然リリースされた音声対話モデル「GPT-Live」です。エンジニアのイワキリさんが「不意打ちだった」と話すほど、予告なしの登場だったといいます。
今回紹介したいのがGPT-Liveってところで、ちょっと不意打ちだったんですけどね。突然出てきた。
代表と小松さんはXで見ただけの状態で、まだ実際には試していませんでした。そこでこの日は、GPT-Liveを収録に同席させ、後から登場させる形で解説が進みます。
従来のChatGPTにも音声モードはありましたが、GPT-Liveは根本から違うとイワキリさんは説明します。これまでは発音自体はリアルでも、会話はぎこちなかったと振り返っています。
ターン制からの脱却がもたらした自然な会話
イワキリさんは、従来の音声対話が「ターン制」だった点を挙げます。人間が話している間はAIが黙って聞き、話し終わってからAIが応答する仕組みです。
こっちが喋ってた間はAI側は黙って聞いてる。人間が話し終わったらAIは自分のターンだって言って、遊戯王みたいな感じで。
この構造がぎこちなさの原因だったといいます。一方GPT-Liveには、そもそもターンという概念がなく、流暢に話すと説明されました。
ここで実際にAI「チャッピー」が呼び出されます。呼びかけに応じて自己紹介し、それまでの会話を約30秒で要約してみせました。
今回はGPT-Live全力解説ということで、従来の音声モードはターン制で少しぎこちなかったけど、GPT-Liveは人間同士みたいに自然なテンポになったってところが大きなポイント、という話だったね。
要約の精度と自然さに、出演者からは驚きの声が上がります。代表は音声のクオリティにも感心していました。
JARVIS超えてない？ 俺アイアンマンめっちゃ好きなんやけど。
割り込み・待機・ウェブ検索の実演
GPT-Liveの特徴は、会話しながらバックグラウンドで作業できる点にあるとイワキリさんは説明します。考える間を稼いだり、ウェブ検索を並行して行えるといいます。
実際にワールドカップの試合結果を尋ねるデモが行われました。ただし、この場面ではAIが実在しない対戦カードを答える誤りも見られました。
今確認できる最新の準々決勝の結果は、フランスがモロッコに2-0で勝って、ブラジルがイングランドを延長の末に2-1で勝ち上がったっていう感じ。
イワキリさんはこれをハルシネーションAIが事実に基づかない内容をもっともらしく生成してしまう現象です。音声対話でも起こり得るため、検索や事実確認が重要になります。だと指摘し、確認の必要性を改めて示しました。
一方で、「黙っていてね」と伝えると本当に聞き役に徹し、呼ばれるまで待機する挙動が高く評価されました。音量を下げているわけではなく、聞きながら黙っている点が驚きを呼びます。
黙れって言ったら黙ってる。でも聞いている。
さらに、話している途中に割り込んでも発言を拾い、逆にAI側から被せてくることもあります。この双方向性が「生きてる感」につながっているとイワキリさんは話します。
まさにインタラクティブというか、生きてる感みたいな。機械感が少ないというか。
割り込み対応
こちらが話す途中でも発言を拾い、AI側から被せることもできる
待機の理解
黙ってと言えば聞き役に徹し、呼ばれるまで待機する
並行処理
会話しながらウェブ検索などをバックグラウンドで行える
速さと日本語の流暢さへの驚き
出演者が繰り返し口にしたのが、応答の速さと日本語の流暢さです。会話のテンポ、音声の質、応答速度がそろって高いレベルにあると評価されました。
モデルはGPT-5.5をベースにしているとされ、以前は音声入力だと精度が落ちる印象があったものの、だいぶ対等な関係になりつつあると話されています。
今このモデルは一応GPT-5.5をベースにしているらしくて、だいぶ対等な関係になりつつあるというか。
代表は、リアルタイムでここまでの流暢さと速さを両立したサービスは今までなかったと指摘します。応答は体感で2秒ほどだといいます。
イワキリさんは、この速さの背景に徹底した最適化があると補足します。X上の情報として、ブラウザ間で音声や動画をやり取りするWebRTCブラウザ間でリアルタイムに音声・映像・データを送受信するための技術です。低遅延な通信に向いており、リアルタイム音声対話の基盤として使われます。の開発に携わった人物が関わっているらしいと紹介しました。
AIモデルだけじゃなくて、その周りの仕組みも含めて全部ゴリゴリに最適化してるらしいですね。
ネガティブ面と「谷を超える」手前の状態
ポジティブな面を語ったあと、イワキリさんはネガティブ面にも触れます。喋っていると中身がChatGPTだと透けて見える点を挙げました。
喋ってるとマジでChatGPTなんですね、中身は。中にいるChatGPTが透けて見えるというか。
応答が中立的で、「ぶっちゃけどう?」と聞いてもうまく濁してくる点を、少しうざったいと率直に評しています。また、AI側から新鮮な話題を振ってくることはまだないとも指摘しました。
こうした受動性はあるものの、大きな変化点に来ているとイワキリさんは見ています。
不気味の谷を今必死に超えようとしている。もうすぐ超えるかなっていう。
代表は、この一歩を超えれば意思決定の主体が変わると応じ、変化は一気に来るだろうと話しました。
営業・英会話への活用と料金
話題は具体的な活用イメージに移ります。常に会話を聞いているため、商談中に情報を調べさせる営業アシスタントのような使い方が挙がりました。
NoLaの情報とか全部入れといて、忘れたって時に「チャッピーさん今行けますか?」みたいな。調べてきてもろて、「あ、こう言ってます」。
英会話や翻訳の用途でも、これで十分ではないかという声が出ました。ロールプレイや翻訳もこなせるため、同時翻訳への期待も語られています。
料金についてもイワキリさんが補足します。Goプラン以上、月額8ドルから使えるとし、現在はキャンペーンで大容量に会話できる状態だといいます。
今なんか僕この安いプランで無限に喋れてるんで、多分今期間限定でたくさん喋れます。
代表は、デモ動画だけでは伝わらず、実際に体験しないと難しさが分からないと話します。実感が理解につながるという点が、この回の締めくくりになりました。
まとめ
GPT-Liveは、ターン制を廃して割り込みや待機を自然にこなし、日本語の流暢さと応答速度を両立した音声AIとして、出演者に強い驚きを与えました。一方で事実誤認や受動性といった課題も確認され、体感してこそ理解できる転換点の回になっています。
- GPT-Liveはターンの概念をなくし、割り込み・被せ・待機を自然にこなす音声対話モデルだと紹介されました
- 日本語の流暢さと約2秒の応答速度が両立し、その背景にWebRTCなど周辺技術の最適化があると語られました
- ワールドカップの結果で誤答が出るなど、ハルシネーションは残り、検索や確認の重要性が再確認されました
- 中身がChatGPTで中立的すぎる、AI側から話題を振れないといった受動性が課題として挙げられました
- 営業アシスタントや英会話・翻訳などの活用が期待され、Goプラン月額8ドルから使えると紹介されました