OpenAIは、ChatGPTで先行していた音声モデル「GPT-Live-1」をAPIでも提供開始しました。聞きながら話し、深い調べものや操作は裏のモデルへ任せる仕組みが特徴です。公式発表と開発者向けドキュメント、公式YouTubeをもとに整理します。
公式の紹介動画
OpenAI公式チャンネルの発表動画です。
何がAPIで使えるようになったか
OpenAIは2026年9月10日、音声会話モデル「GPT-Live-1」をAPIでも使えるようにしたと公式ブログで発表しました。もともとChatGPT向けに登場していた仕組みで、聞きながら話す「フルデュプレックス」が特徴です。今回のAPI公開では、声のトーンやペース、割り込みの扱い、電話回線への接続など、開発者が製品に合わせて操れる要素が前面に出ています。
料金は音声のフロント層が1分あたり0.05ドルで、秒単位の課金です。分に切り上げない点も明記されています。裏で動かす推論モデルやツールの利用料は別料金です。無料枠では使えず、同時セッション数でレート制限がかかる、というのがモデルページの整理です。
公式YouTube「GPT-Live-1 is now in the API」でも、自然な割り込みや雑音のある場所での会話の様子が紹介されています。まずは動画で体感を掴み、そのうえで公式ドキュメントの接続手順を見る流れがわかりやすいです。
声は前、考えは裏へ分ける
従来の音声ボットは、音声を文字にし、テキストAIで考え、また音声に戻す、という多段つなぎが一般的でした。各段の受け渡しで遅れやぎこちなさが出やすく、割り込みや言い直しの処理も複雑になります。GPT-Live-1は聞き取りと発話を一つのモデルでまとめることで、声の層を単純化する、と公式は説明しています。
一方で、深い調べものやツール操作は「委任（delegation）」として裏のテキストモデルやエージェントに任せます。会話は続けたまま、裏で注文確認やウェブ検索などが進み、結果が揃ったら声で伝える、という分担です。例として、大量の予約更新には軽めのモデル、難しい問い合わせにはGPT-6 Astraなど、用途で裏役を変える想定が示されています。
接続はブラウザ向けにWebRTC、サーバー同士ならWebSocket、電話はSIPなどの経路があります。セッション開始は「v1/live/sessions」系で、モデルIDは「gpt-live-1」。APIキーはサーバー側に置き、ブラウザへは直接渡さないのが基本です。
ビジネスでの使いどころ
ビジネスでの使いどころは、予約・注文・サポート電話のような、途中で言い直したり割り込んだりする会話です。公式ではYelpやSpeak、サポート製品Finなどの初期評価が紹介され、割り込みの減少や通話処理の改善といった声が並んでいます。言語学習では、考える間を待つことで割り込みが約8割減った、という評価も触れられています。
導入の進め方としては、まず公式のWebRTCクイックスタートでマイクとスピーカーをつなぎ、短い会話プロンプトと委任のタイミングだけ決めて試すのが安全です。声の層と裏の業務ロジックを分けておくと、料金も「会話時間」と「裏の思考・ツール」で見積もりやすくなります。
企業向けには、同じ音声基盤を使う「OpenAI Presence」も案内されています。社内システム連携や人へのエスカレーションまで含めた展開を考える場合は、アカウント担当経由の相談も選択肢です。カスタムボイスはセールス経由、と公式は記しています。
まとめ
GPT-Live-1のAPI公開は、ChatGPTで培った自然な同時通話を、自社アプリや業務フローに載せやすくする動きです。声のやり取りは専用モデル、難しい判断は裏のモデルへ委任、という役割分担がポイントです。
料金は音声が分あたり0.05ドル（秒課金）で、裏の利用は別。まずは公式動画とクイックスタートで小さなデモを作り、割り込みや雑音下の感触を確かめてから本番設計に進むのがおすすめです。
参考リンク
- OpenAI：Build more natural voice experiences with GPT-Live-1 in the API
- OpenAI API：Getting started with GPT-Live
- OpenAI API：GPT-Live 1 Model
- OpenAI YouTube：GPT-Live-1 is now in the API
コメント