GPT-Live-1はOpenAIの新しい音声モデルで、一言でいえば聞きながら同時に話せるモデルです。この「全二重（フルデュプレックス）」という仕組みがすべてです。従来の音声AIは、あなたが話し終わるのを待ってから返答していたため、たびたび発言を遮っていました。GPT-Live-1は「うんうん」と相づちを打ったり、考えるための間を許したり、裏で何かを調べながら会話を続けたりできます。
提供形態は2つあります。ChatGPTでは、2026年7月8日から、Go、Plus、Proユーザーの標準の音声がGPT-Live-1になりました（Freeプランはminiです）。そして9月10日からはAPIでも、音声レイヤーが1分あたり$0.05で利用でき、電話ベースのカスタマーサービスをまっすぐ狙った電話対応機能も備えています。
音声サポートに期待を膨らませる前に、押さえておきたい点があります。GPT-Live-1は耳と口であって、頭脳ではありません。実際の思考は、GPT-5.5やGPT-6 Astraのような別のモデルに任せています。つまり、このモデルが提供するのは自然に聞こえる会話であり、実際のチケットを解決するには、御社のビジネスを理解したエージェントが引き続き必要です。このギャップを埋めるのがeeselのようなツールです。
GPT-Live-1の正体
私は仕事でAIエージェントを作っているので、新しい音声モデルが出ると、デモ動画は飛ばしてアーキテクチャを真っ先に見ます。GPT-Live-1は注目に値します。ここでの変化は見た目ではなく、構造の変化だからです。
OpenAIは2つのバージョンを提供しています。GPT-Live-1とGPT-Live-1 miniです。どちらもOpenAIが「人間とAIの自然な対話のための新世代の音声モデル」と呼ぶもので、毎週1億5,000万人以上が使うChatGPT Voiceの下で動いています。GPT-Live-1はGo、Plus、Proの標準、miniはFreeの標準です。
このモデルは全二重の設計で作られており、OpenAIがこれまでに出した中で最も賢い音声モデルでもあります。質問にウェブ検索やより深い推論が必要なときは、GPT-Live-1がその作業を裏の最先端モデル（ChatGPTでの公開時点ではGPT-5.5）にそっと渡し、待っている間も会話を流し続けます。さらに、リマスターされた9種類の音声と、天気、株価、スポーツ、地図などのビジュアル回答カードも使えます。音声を後付けしただけだった前世代のAIカスタマーサービスソフトウェアからは大きな進歩です。
安全面でも良い工夫があります。7月31日以降、GPT-Liveで生成された音声にはSynthIDの透かしが入り、OpenAIは出所のシグナルを検出する公開ツールも提供しました。また、このモデルは固定の定義済み音声のみを使い、実在の人物を模倣しないよう設計されています。この分野につきまとってきた音声クローンの問題を避けられます。
全二重が本当の変化である理由
なぜ重要なのかを理解するには、それ以前を見る必要があります。音声AIはぎこちない2つの世代を経ており、GPT-Live-1は3世代目です。
第1世代はカスケード型でした。最初のChatGPT Voiceは、音声をテキストに変換するモデル、考える言語モデル、テキストを音声にするモデルの3つを連結していました。動きはしましたが、受け渡しのたびに遅延が加わり、文脈が少し失われるため、返答は遅くぎこちないものでした。
第2世代は、ChatGPTの高度な音声モードのようなターン制です。音声を単一のモデルで処理するのでより滑らかでしたが、それでも区切られたターンで動いていました。あなたが話し終えるのを待つ必要があり、無音でターンを検出していたため、短い間や通り過ぎる車の音が「あなたの番は終わり」と誤認されることがありました。これが、考えている途中で割り込まれる原因です。
GPT-Live-1は、このターンを完全になくします。独立したメッセージの連続を処理するのではなく、音声を生成しながら連続して音声を取り込み、1秒間に何度も「話す、聞き続ける、間を置く、割り込む、ツールを呼ぶ」という判断を下します。だから自然なやり取りができ、タイミングの感覚を保て、リアルタイム翻訳までこなせます。
委任の工夫：話の速い担当者と、賢い裏方
2つ目のアーキテクチャ上の変更は巧妙で、ほとんどの報道が見落としている点です。OpenAIは、会話を担う部分と思考を担う部分を切り離しました。
GPT-Live-1はライブの会話を進めます。質問に検索、本格的な推論、エージェント的な作業が必要なときは、そのタスクを別のバックエンドモデルに任せ、その間もあなたと話し続けます。ChatGPTではそのバックエンドがGPT-5.5です。APIでは自分で選べます。複雑な案件にはGPT-6 Astra、スケジュール調整や注文照会のような大量処理には軽量なモデル、あるいはサードパーティのモデルでも構いません。
「賢く感じる」以上の実用上の利点もあります。会話レイヤーと推論レイヤーが分かれているため、やり取りごとに推論の労力を調整できます。ChatGPTには3段階あり、素早い返答のInstant、しっかり考えさせたいときのMediumとHighです。GPT-Live-1 Instantとminiは裏でGPT-5.5 Instantを使い、MediumとHighはGPT-5.5 Thinkingを使います。これは私がAIエージェントを構築するときに頼る考え方と同じです。1つのモデルにすべてをやらせず、仕事に合わせて深さを合わせます。
実際の性能はどれほどか
OpenAIは人間による直接比較評価を行い、従来の高度な音声モード（AVM）に対して数字は大きな差をつけています。全体像は次のとおりです。
| ベンチマーク | 測定内容 | AVM | GPT-Live-1 mini | GPT-Live-1（high） |
|---|---|---|---|---|
| ペアワイズ選好 | 人々がどちらの会話を好んだか | （基準） | 69.2% | 75.7% |
| 会話の流れ | 7点満点の平均評価 | 3.80 | 4.33 | 4.96 |
| 心地よさ | 7点満点の平均評価 | 3.82 | 4.47 | 5.19 |
| GPQA | 専門家レベルの科学的推論 | 45.3% | 74.9% | 84.2% |
| BrowseComp | エージェント的なウェブ検索 | 0.7% | 31.6% | 75.2% |
目を引くのはBrowseCompでの飛躍です。ほぼゼロから75.2%へ。これは委任アーキテクチャがきちんと機能している証拠で、エージェント的な検索はまさにGPT-Live-1がバックエンドモデルに任せる「深い作業」だからです。
API公開では、特に音声エージェントを評価するうえで信頼できる数字がさらに2つ加わりました。GPT-Live-1はFull Duplex BenchでGPT-Realtime-2.1を30ポイント上回り、GPT-6 Astraを中程度の推論労力で組み合わせると、航空、小売、通信、銀行のサポートにわたるエンドツーエンドのタスクで最先端の音声エージェントの知能を測るベンチマーク、Tau3で1位になっています。サポートを重視するなら、これらは実際の業務に対応するタスクであり、AIカスタマーサービスの指標を実際に動かすものです。
実際の利用者の声
ベンチマークと、実際にモデルと付き合うことは別です。体験を尋ねた初期のHacker Newsのスレッドは、率直で読む価値があります。大勢の意見は「会話の質は本物の飛躍、知能にはムラがある」というものです。
スレッドを立てた人は、良い点をはっきり述べています。
"Its conversational skills are an incredible leap from its predecessor: The acknowledgments it makes, and the natural flow it exhibits overall are awesome."
一般ユーザーにとっては、リアルタイム翻訳とハンズフリー利用が最も輝くようです。
"I use it to help with learning a language (French) and have been leaning into the CarPlay app. The model has done surprisingly well in conversations where it has to go back and forth across languages in the same response."
ただ、人間らしく感じさせる同じ相づちが、うるさく感じられることもあります。あるコメントは、その「うんうん」の裏側を指摘しています。
"The new gpt-live feature tends to interrupt with 'human' sounding injections like 'hmm', 'huh' a bit too much."
これは、OpenAI自身が限界について率直に述べていることとも一致します。公開時点では、ChatGPTで動画や画面共有を伴う音声には対応しておらず、英語以外の一部の言語では、ネイティブらしくないアクセントや流暢さの欠けが残ります。これで多言語のカスタマーサポートを約束する前に知っておくべき点です。
APIでのGPT-Live-1：開発者にとって面白い部分
9月10日のAPI公開で、GPT-Live-1はChatGPTの機能から、その上に構築できるものに変わります。開発者への訴求は、従来の音声認識、推論、音声合成を組み合わせた構成を1つの音声レイヤーにまとめることで、誰かが割り込んだり言いよどんだりしたときの処理を手作業でコーディングしなくて済む点です。
OpenAIが挙げた主な機能は次のとおりです。
- 割り込み処理：入力音声と出力音声を単一のモデルで推論し、連結型アーキテクチャの壊れやすい受け渡しを避けます。
- 推論とツール呼び出しの委任：バックエンドのテキストモデル、またはサードパーティのモデルに任せます。
- トーン、ペース、スタイル：システムプロンプトで制御します。
- 電話対応：予約からカスタマーサポートまで、電話の通話に全二重の音声エージェントを導入できます。
- ネイティブASR文字起こし、英数字の理解、キーワードバイアス、さらに明示的なターン境界が必要なチーム向けのターン検出。
初期導入企業は、雰囲気ではなく本物のエンジニアリング上の成果を報告しています。語学学習アプリのSpeakは、共同創業者兼CTOのAndrew Hsu氏によると、考え中の間の割り込みが従来のターン制システムに比べて約80%減ったといいます。YelpのAlex Levy氏は、予約や料理注文の電話応対に使ったところ「通話処理率が大きく改善した」と述べました。ある医療チームは、カスケード型の構成と比べて「コードベースを80%簡素化し、2万3,000行のコードを削除できた」とまで報告しています。
料金は、説明が驚くほど簡単で、つい過小評価しがちです。フロントエンドの音声レイヤーが1分あたり$0.05で、バックエンドモデルとエージェントハーネスは自社のプロダクトに合うものを持ち込みます。後半こそが本当のコストの中心です。音声レイヤーは安く、組み合わせる推論は安くないからです。OpenAIは企業向けにOpenAI Presenceも案内しています。同じモデルの上に信頼できる音声エージェントを展開する、より上位の方法です。
カスタマーサポートにとっての意味
ここでは一度ブレーキを踏みたいと思います。「OpenAIが素晴らしい音声モデルを出した」と「AI音声サポートが今すぐ運用できる」は、同じ文ではないからです。
GPT-Live-1は会話の問題を解決し、しかも見事に解決します。電話ボットをロボットのように感じさせていた、途切れ途切れのリズムはほぼなくなりました。Tau3やその通信版のような音声サポートのベンチマークでも、GPT-Live-1は前世代を明らかに上回ります。ボトルネックが「音声体験が2019年のIVRのようだ」ということなら、これで解決します。
解決できないのは、問題解決の部分です。このモデルは設計上、耳と口です。御社の返金ポリシーも、このお客様の注文が本当に発送されたかどうかも、400本あるヘルプ記事のどれが質問に答えているかも知りません。そのすべては、バックエンドモデル、エージェントハーネス、そして接続するビジネスの文脈にあり、それがカスタマーサービス自動化のためのAIの本当に難しい部分です。洗練されたデモと、本物のカスタマーサービス向けAIコパイロットとの違いです。
正直な見方をまとめると、GPT-Live-1はインフラです。どのサポート製品もその上に構築できる、美しい音声レイヤーです。差別化の軸は一段上がり、御社を本当に理解してチケットを解決できるチームメイトに移ります。自社開発か購入かという問いが重要であり続ける理由も同じです。音声をつなぐのは簡単な2割で、実際のお客様を任せられる信頼できるエージェントを手に入れるのが残りの8割です。それを整理するなら、カスタマーサポートAI導入ガイドが難しい後半を順に解説しています。
eeselを試す
GPT-Live-1を見てサポートを考えているなら、解決すべきは音声ではなく、その裏にいるチームメイトです。それが私の取り組んでいることです。eeselはAIチームメイトのプラットフォームで、ヘルプセンター、過去のチケット、マクロから学習する、すぐに働けるAIサポートチームメイトを採用でき、既存のヘルプデスクに参加して会話の解決を始めます。
GPT-Live-1のようなモデルと自然に組み合わさるのは、その周りの規律です。eeselのチームメイトが実際のお客様に触れる前に、過去の何千件ものチケットでシミュレーションし、何と答え、何を解決できたはずかを正確に確認できます。自信ありげなボットが静かに間違った答えを出すのを見てきたからこそ、スイッチを入れて祈るのではなく、実際の履歴でこの予行演習を行います。
GPT-Live-1のテーマはプログラムで扱える音声なので、eeselも同じように操作できることを知っておく価値があります。ダッシュボードのほかに、eesel CLIとMCPサーバーがあり、同じチームメイトをターミナルから操作したり、スクリプトに組み込んだり、Claude CodeやCodexのようなコーディングエージェントに指示を確認させ、変更を提案させ、公開前にテスト応答をレビューさせたりできます。GPT-Live-1のような音声モデルが前に立つ解決レイヤーを、エージェントに優しい方法で管理できます。eeselを無料で試し、数分で御社のチケットでシミュレーションできます。