GPT-Live音声AIとは？できること・料金・対応プラン

「AIと音声で話す」は、これまでどこか作業的でした。話し終えるまで待って、少し間があって、それから答えが返ってくる。人間同士の会話とは明らかにテンポが違うので、結局キーボードで打ったほうが早い、と戻ってしまった方も多いはずです。2026年7月8日（現地時間）にOpenAIが公開した音声モデルGPT-Liveは、その「間」を設計から作り直したモデルです。この記事では、GPT-Liveで具体的に何ができて、どのプランで使えて、仕事のどこに効いて、そして今はまだできないことまでを、中小企業の実務目線で整理します。

結論から言うと、GPT-Liveは「聞きながら同時に話せる」全二重（full-duplex）の音声モデルで、従来のChatGPTの音声モードを置き換えるものです。無料プランには軽量版のGPT-Live-1 mini、Go / Plus / Proの有料プランにはGPT-Live-1が順次提供され、GPT-Live自体に追加料金はかかりません（各プランの料金に含まれます）。ただし提供開始時点ではChatGPT Business / Enterprise / Eduのワークスペースでは利用できず、APIも「近日提供」の段階にとどまっています。つまり「個人の生産性ツールとしては今日から使えるが、社内システムへの組み込みはまだ待ち」というのが2026年8月時点の現在地です。

GPT-Liveとは何か（3行でわかる要点）

GPT-Liveは、ChatGPTの音声会話を担当する新しいモデルファミリーです。上位版のGPT-Live-1と軽量版のGPT-Live-1 miniの2種類が同時に発表されました。従来のChatGPT Voice（Advanced Voice Mode）を置き換える形で、iOS / Androidアプリと chatgpt.com に順次展開されています。

技術的な核は2つです。1つは全二重アーキテクチャで、相手の声を聞き取りながら同時に自分の発話を生成し続けます。もう1つは委譲（delegation）で、Web検索や込み入った推論といった「重い処理」は裏側の上位モデルに投げ、会話そのものは止めずに続ける、という二層構造になっています。

結果として、あいづちを打つ、こちらの割り込みにすぐ反応する、相手が考えている間は黙って待つ、といった人間の会話に近い振る舞いが成立するようになりました。実務でいちばん体感が変わるのは、この「黙っていられる」性質かもしれません。

「全二重」は従来のターン制と何が違うのか

これまでの音声AIの多くは、内部的にはターン制でした。①ユーザーの発話が終わったことを検知する →②音声をテキストに変換する →③テキストで答えを作る →④音声に変換して読み上げる、という直列のパイプラインです。この方式は仕組みが分かりやすい反面、各段でわずかな遅れが積み重なり、さらに段と段の間で情報が落ちます。声の抑揚、ためらい、語尾の上がり方といった「テキストにならない情報」は、②の時点で消えてしまうからです。

全二重では、入力の受け取りと出力の生成が同時に走ります。モデルは1秒間に何度も「いま話すべきか、聞き続けるべきか、黙っているべきか」を判断し続けます。具体的には、こういう場面で差が出ます。

• 割り込み：AIが説明している途中で「あ、そこはもういいです」と被せると、言い切るのを待たずに止まって切り替わる。
• あいづち：こちらが長く話している最中に「はい」「なるほど」といった短い反応が入るので、聞かれている実感がある。
• 沈黙：こちらが考え込んで数秒黙っても、「処理待ち」ではなく「間」として扱われ、急かされない。
• 同時通訳的な使い方：話している最中から訳が返り始めるため、文が終わるまで待つ必要が薄れる。

実務では、この差は「テンポの良さ」以上の意味を持ちます。ターン制のAIは、相手のペースに合わせられないので電話や打合せのような双方向の場面に入れられませんでした。全二重は、そこの前提を変えるものです。

GPT-Live-1 と mini の違い・どのプランで使えるか

2つのモデルの位置づけと、従来のChatGPT Voiceとの違いを整理すると次のようになります。

注意したいのは、これが段階的なロールアウトだという点です。発表当日から配信は始まっていますが、アカウントによって届くタイミングに差があり、アプリを更新しても数日は現れないことがあります。「うちのPlusにまだ来ていない」は、多くの場合そのまま待てば解決します。プランごとの最新の料金は、必ず公式の料金ページで確認してください。

重い処理は裏でGPT-5.5に投げる、という設計

会話が速いモデルは賢さを犠牲にしがちで、賢いモデルは遅い——音声AIはずっとこのトレードオフの中にいました。GPT-Liveの答えは、役割を分けることです。

GPT-Live自身は会話のリズムを維持することに専念し、「その部品の在庫を調べて」「この条件で法令上どうなるか整理して」といったWeb検索や多段の推論が要る問いが来ると、その処理をバックグラウンドのGPT-5.5に委譲します。裏で計算が走っている間もGPT-Liveは黙り込まず、「いま調べています」「関連しそうな点を先に言うと…」と会話を続け、結果が整い次第それを会話に織り込みます。

有料プランではさらに応答性能を3段階から選べます。雑談や短い確認は速度重視のInstant、バランスを取るならMedium、企画の壁打ちや込み入った整理はHigh、という使い分けです。実務では「Instantのままで物足りない」と感じたときに、モデルを疑う前にこの設定を見に行くのが正解です。ChatGPT本体のモデル世代と日本での提供状況については、ChatGPT 5.6が日本でいつ使えるのかを整理した記事も併せてご覧ください。

同じ音声AIの土俵では、xAIのGrok Voiceの日本語対応や料金を整理した記事や、Macで使えるGeminiアプリの音声入力機能を検証した記事も比較の参考になります。

仕事のどこで効くか、そして向かないこと

全二重になって初めて実用圏に入る業務があります。現場で相談が多いのは、次のあたりです。

• 電話の一次受け：用件を聞き取り、担当と要点を仕分ける。相手の話に被せて確認できるので、保留の沈黙が生まれにくい。
• 社内ヘルプデスクの音声窓口：「経費精算の締めいつでしたっけ」を、手を止めずに口頭で解決する。
• 移動中の口述・議事メモ：訪問先からの帰り道に、覚えているうちに話して要点を残す。AIが相づちを打ちながら不足を聞き返してくれる。
• 外国語の商談・面接の練習：割り込まれる・言い直される状況を含めて練習できるのが、テキスト練習との決定的な差。
• 現場での手ぶら作業：点検や施工中に、手順の確認だけ声で済ませる。

一方で、向かないこともはっきりしています。正確な数値や固有名詞を大量にやり取りする作業（見積の金額確定、口座番号の読み合わせ）は、音声で完結させるべきではありません。聞き間違いのリスクが、テンポの良さで得た時間を軽く上回ります。また、契約・与信・採用の可否といった結論そのものを委ねる判断や、感情のもつれた顧客対応の一次窓口も、現時点では人が持つべき領域です。「下書きと仕分けはAI、確定と謝罪は人」——この線引きは、音声になっても変わりません。

私たちMihataは、こうした音声窓口や社内ナレッジAIを、貴社の業務に合わせて作るお手伝いもしております。記事の途中で恐縮ですが、もし「自社の電話や問い合わせをAIで受けられないか」と考えたことがあれば、よろしければ合わせてご覧いただけたら嬉しいです。

できないこと・制限・注意点（正直なところ）

実際に業務へ持ち込む前に、知っておいたほうがよい点を並べます。

1. 会社アカウントではまだ使えない。提供開始時点で、ChatGPT Business / Enterprise / Eduのワークスペースは対象外とされています。中小企業でBusinessプランを契約している場合、管理者が待つしかありません。個人のPlusで試して社内展開の判断材料を作る、という進め方が現実的です。

2. APIがまだ来ていない。2026年8月時点で、GPT-Live-1をAPI経由で自社サービスに組み込むことはできません。OpenAIは「近日中にAPIでも提供する予定」とし、開発者・企業向けの通知登録フォームを案内しています。今すぐ音声エージェントを本番構築したい場合は、既存の gpt-realtime 系のAPIが選択肢になりますが、これはGPT-Liveとは別系統のモデルです。ここを混同したまま見積を作ると事故になります。

3. 動画・画面共有は未対応。「画面を見せながら操作を教えてもらう」用途は、現時点では想定されていません（今後対応が予定されているとされます）。

4. 日本語を含む多言語の品質は、まだ一様ではない。日本語での利用は可能ですが、OpenAI自身も一部言語で非ネイティブ的なアクセントや流暢さの差が残ると述べています。発表時のデモでも、翻訳先の言語で不自然さが指摘されました。社外に出す音声（自動音声応答のアナウンス等）に使うなら、必ず事前に自社の耳で確認してください。

5. 利用時間の上限がある可能性。有料プランでも1日あたりの利用時間に上限が設けられているとの報道があります。数値は公式に確定した形で確認できなかったため断定しませんが、業務で長時間の常時利用を前提に設計するのは避けたほうが無難です。

6. 幻覚（もっともらしい誤り）は消えていない。むしろ音声では危険が増します。テキストなら「あれ？」と気づく数字の誤りも、滑らかに読み上げられると疑わずに通してしまうためです。金額・日付・法令・在庫といった検証可能な事実は、必ず画面のテキストで確認する運用にしてください。GPT-Liveは音声と同時にテキストも表示されるので、そこを見る癖をつけるだけでかなり防げます。

7. 録音と個人情報の扱い。顧客との通話に使うなら、録音・AI利用の告知と同意、保存期間、誰がログを見られるかを先に決めます。これはGPT-Liveに限った話ではなく、生成AIを業務に入れるときの共通の前提です。入力してよい情報の線引きについては、生成AIの業務利用における情報漏洩対策をまとめた記事が実務のチェックリストとして使えます。

中小企業は、いまどう向き合えばいいか

現時点でのおすすめは、「業務に組み込む」より先に「業務を見つける」ことです。APIが来ていない以上、システム化はまだ設計段階までしか進められません。逆に言えば、いま準備しておけば提供開始と同時に動けます。

具体的には、この3つを順にやるのが効率的です。第一に、個人のPlusアカウントで1〜2週間、通勤や移動中に口述メモとして使い倒すこと。使えるかどうかは、机上ではなく耳で判断するのが早いです。第二に、自社の電話・問い合わせを1週間分だけ棚卸しし、「用件の仕分けで終わるもの」の割合を数えること。ここが3割を超えるなら、音声窓口の投資対効果は見えてきます。第三に、録音・同意・ログ保管のルールを先に文章にしておくこと。技術より、ここが遅れて止まる会社のほうが圧倒的に多いのが実情です。

なお、音声で会話できることと、AIが自律的に業務を進められることは別の話です。予約を実際に取る、基幹システムに書き込む、といったところまで踏み込むならエージェントの設計が必要になります。全体像はAIエージェントの仕組みと導入手順をまとめたガイドで解説しています。

GPT-Liveは、音声AIを「試すもの」から「業務の入口に置けるもの」へ一段動かした更新です。ただし今日時点では、会社アカウントとAPIという2つの入口がまだ開いていません。だからこそ、開いた瞬間に走り出せるよう、使いどころとルールだけ先に固めておく——それが中小企業にとって一番費用対効果の高い準備だと考えています。自社のどの業務から手をつけるべきか迷われている場合は、お気軽にご相談ください。