GPT-Live徹底評価:OpenAIの新しい音声AIは使う価値があるか?

30秒でわかる結論

一つのセクションしか読まないなら、これを読んでください。

• これは何か: OpenAIの新しいChatGPT向けフルデュプレックス音声モデルで、デフォルトとしてAdvanced Voice Modeに置き換わります。仕組みの詳細はGPT-Liveの解説記事を参照してください。
• 誰向けか: すでにハンズフリーでChatGPTと話している人、加えて語学学習者や手が離せない状態でマルチタスクしている人。
• 一番良い点: 会話が途切れない感覚。割り込んだり、間を置いたり、考えながら声に出したりしても遮られません。
• 注意点: ローンチ時点では動画や画面共有がなく、公開APIもなく、「知能」はGPT-5.5に委任されているため、新しい脳ではなく新しいインターフェースです。
• 私の評価: 一般消費者には強力なアップグレード、サポートチームにはまだ様子見。無料で試せるので、試さない理由はありません。

GPT-Liveの正体(簡潔に)

GPT-Liveは新世代の音声モデルで、OpenAIが2026年7月8日に発表しました。AIとの会話を「本物の会話に近づける」ことを目的に作られており、現在ではデフォルトのChatGPT音声体験を支えています。

これまでに使われてきたのは二つの古い方式です。もともとのChatGPT音声はカスケード方式でした。三つのモデル(音声認識→LLM→音声合成)を連結する仕組みで、情報が失われやすく、遅く感じられました。Advanced Voice Modeはターン制でした。単一モデルではあるものの、無音を待って発話が終わったと判断していたため、間が空いたりバスの通過音が入ったりすると「あなたの番は終わった」と誤認されることがありました。GPT-Liveはこの「ターン」という概念自体を捨てました。仕組みを深く知りたい場合は、GPT-Liveの概要記事でフルデュプレックスのアーキテクチャとGPT-5.5への委任の分業について解説しています。このレビューでは、それが実際に良いものかどうかを検証します。

実際に使ってみた感想

最初に気づくのは、あの気まずさが消えていることです。以前の音声AIでは、完結した文を途切れず話してから待つ必要があり、留守番電話にメッセージを残すような感覚でした。GPT-Liveでは、人と話すときのように話せます。話をぼかしたり、言い直したり、「あ、違う、もう一つの方」と割り込んだりできます。考えている最中に「うんうん」と挟み、明らかに一瞬考えたいときは静かに待ちます。

この絶え間ない「聞く・話す」のループこそが、この製品の本質です。これは他の対話型AI分野全体が追い求めてきた変化と同じものであり、OpenAIはそれを、すでに毎週1億5000万人以上が音声で使っているアプリに実装しました。これは、あらゆるChatGPT対Geminiの議論スレッドで見かける「ChatGPTがついにGemini Liveに追いついた」という見方に対する、これまでで最も明確な回答でもあります。

画面上のビジュアル回答は単なる目新しさではなく、良い工夫です。天気、スポーツ、地図、株価などが会話中にカードとして表示されます。

ベンチマークは誇大宣伝を裏付けているか?

概ねその通りで、OpenAIは何を測定するかについて賢明な判断をしています。単純な正解率だけでなく、会話の心地よさと流れを測る新しい人間評価の仕組みを構築しました。5〜10分の一対一のチャットにおいて、新しい両モデルはAdvanced Voice Mode(AVM)に対して「強く好まれた」という結果になっています。

推論の飛躍の方がより印象的な数字で、これはGPT-5.5への委任からそのまま来ています。GPQA(専門的な科学的推論)とBrowseComp(エージェントによるウェブ検索)における結果は以下の通りです。

BrowseCompが0.7%から75.2%に上昇しているのは、まさに委任の仕組みが機能している証拠です。音声レイヤーは軽量なまま、重い処理はより重いモデルが検索を担当します。すべてのレビュアーが心に留めておくべき注意点は、これらがOpenAI自身のテストであることです。私自身の体験とも一致していますが、ベンダー自身が実施した評価は証明ではなく出発点です。OpenAIは社内向けの電話サポート評価(τ³-Voice)も実施しており、そこではGPT-Live-1がタスク成功率でAVMを上回りました。これは注目すべき数字です。実際にサポートチケットを解決できるフルデュプレックスのAIエージェントは、単に会話上手なデモとは別物だからです。

GPT-Liveはあなたにとって使う価値があるか?簡易スコアカード

結論はどのタイプの人が聞いているかによって変わります。自分に合ったプロフィールを選んでください。

良い点と悪い点、率直に

良い点:

• 会話の感覚。 これこそが使う理由です。フルデュプレックスのターンテイキングはAdvanced Voice Modeからの大きな進化です。
• 画面上のビジュアル回答。 天気、スポーツ、地図、株価がカードとして表示されるのは実際に生活の質を上げてくれます。
• 調整できる推論。 Instant / Medium / Highは賢い制御方法で、GPT-5.5への委任により通話中に実際に検索・推論ができます。
• 無料で試せる。 無料プランでもGPT-Live-1 miniが使えるので、誰でも自分で判断できます。

悪い点:

• ローンチ時点では動画や画面共有がない。 最も繰り返し指摘されている不満で、Advanced Voice Modeがまだ残されている理由です。
• 知能自体は新しくない。 頭脳はGPT-5.5のものであり、新しさはインターフェースにあります。より賢いアシスタントを期待する前に知っておくべき点です。
• 公開APIがない。 ビジネス用途、電話回線、音声エージェントにとって重要になる部分は「近日公開」とされていますが価格はまだありません。
• 自信満々な誤答。 レビュアーも私も、これに何度も遭遇しました。滑らかな声は正確さに対する要求水準を上げます。

まだできないこと

これはローンチ直後の熱狂に冷静な視点を加える部分です。欠けている動画やAPIに加え、GPT-Liveには実際の限界があります。

• 言語の隔たり。 最も人気のあるChatGPTの言語向けに最適化されており、それ以外の言語では発音や流暢さに差が出ることがあります。
• Business/Enterprise/Eduワークスペースでは未対応。 Temporary Chats、デスクトップアプリ、Work、Codex、カスタムGPTでもローンチ時点では使えません。
• 委任による遅延。 深い質問はバックグラウンドのGPT-5.5に処理されるため、複雑な質問、特にHighレベルでは応答に時間がかかることがあります。

これに乗って開発したい人にとっては、APIこそが障壁です。それが実現するまでは、音声機能は既存の音声・スピーチAPIをAssistants APIに組み込んで構築するしかなく、モデルを選ぶチームはローンチ日のデモではなく実際のケースでテストするべきです。これはまさにサポートに最適なLLMはどれかを比較する意義そのものです。

GPT-Live対Advanced Voice Mode対Gemini Live

よく聞かれる三者比較の質問です。簡潔にまとめると次の通りです。

• 対Advanced Voice Mode: 会話という点ではGPT-Liveが決定的に優れています。AVMを使い続ける唯一の理由は動画・画面共有で、これはGPT-Liveがローンチ時点では対応していません。
• 対Gemini Live: これは「ChatGPTがついに追いついた」というマッチアップです。GPT-Liveは画面上のビジュアル回答とバックグラウンドでの推論委任で一歩先を行き、Gemini Liveは対応言語・対応国の広さでまだ優位にあります。両者とも今はフルデュプレックスなので、以前より差は縮まっています。より広い比較はChatGPT対Geminiの記事、対話型AIプラットフォームや最良の音声アシスタントのまとめ記事で三者を位置づけて解説しています。

実際に言われていること

早期の反応は概ね好意的で、興味深いのは何を評価しているかです。それはIQではなく体感です。Diggによるローンチ当日の集計では、482件の反応のうち78%が好意的で、批評家たちは遅延や時々の誤答を指摘していました。

「トランシーバーは終わった」というフレーミングはあちこちで見られました。

"Old voice AI worked like a walkie-talkie. GPT-Live works more like a real conversation. It can listen and speak at the same time. So you can pause, interrupt, think out loud, or change direction without the whole thing feeling awkward."

Vaibhav Sisinty, X

最も鋭い分析をした人々は、話す担当と考える担当を分けたという分業に注目していました。

"GPT-Live is not just a better voice mode. It is OpenAI separating two jobs: One model handles the human conversation. Another model handles deep thinking in the background... Voice was the interface. Now it is becoming the workflow."

Vaibhav Sisinty, X

そして開発者たちの視点は、まだ出荷されていない部分、つまり音声エージェントや電話対応向けのAPIに向いていました。

"This model and a smaller version — GPT-Live-Mini — will be available soon in the API, meaning anyone can build apps or agents using this conversational system, including to answer or make phone calls. For now there's no pricing."

Maximiliano Firtman, X

サポートチームへの私の結論

これは実際にライブのサポートキューを担当している立場からの、本音の見解です。

GPT-Liveはインターフェースとして本物の進歩であり、これがローンチされたことは嬉しく思います。APIが実現すれば、「サポート電話にかけてIVRのように感じないAIと話す」という未来はより現実味を帯びます。すでにZendesk音声AIエージェントやFreshcaller音声エージェントといったツールにその形が見え始めています。

しかし、レビューとはデモが語らないことを語る場でもあります。サポートAIを本番環境で破綻させるのは、ぎこちないターンテイキングではなく、自信過剰さです。私は滑らかな声のボットが顧客に間違った回答をする場面を何度も見てきましたし、より自然な声はむしろ誤った回答をより説得力があるように聞かせてしまいます。だからこそ、eeselのすべての導入では、実際の顧客に一件でも回答する前に、その顧客の過去のチケットに対してシミュレーションを行います。あるCXリーダーは、私たちとの会話でこの考え方を一言で言い表しました。

"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer, then the point is a little bit gone. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

月間約7,000件のチケットを処理するDTCブランドのCXリーダー

これが基準です。だからこそ、今のサポートチームにとって現実的な成果は、音声APIを待つことではなく、すでに運用しているヘルプデスクの中で、ボリュームの大半を占めるメールとチャットのチケットを自動化することです。それがまさにAIヘルプデスクエージェントが今すでに担っている仕事であり、最良のカスタマーサービスAIツールが、誰かが電話を取るはるか前から、すでにその価値を発揮している方法です。

これが私が日々関わっている仕事です。eeselはカスタマーサービス向けAIで、既存のスタック(Zendesk、Freshdesk、Gorgias、Help Scoutなど)に接続し、過去のチケットやヘルプセンターをもとに学習した上で、確信があるときだけ自動返信し、それ以外は静かにチームに残します。本番稼働の前に、数千件の実際の過去チケットでシミュレーションして、実際にどう回答していたかを確認できます。GPT-LiveのAPIが実現したときには、モデルに依存しないカスタマーサービス向けAIエージェントこそが、それを憶測ではなく実証に基づいて組み込む方法になります。eeselを試すのは無料で、営業電話は不要です。