画像=OpenAI

OpenAIは、ChatGPTアプリの音声入力機能に、発話内容をリアルタイムでテキスト化する「Live Dictation」を導入した。あわせて従来の10分録音制限も廃止し、長時間の音声入力をしやすくした。

米メディアの9to5Macによると、OpenAIは18日(現地時間)、ChatGPTのディクテーション機能を改善するアップデートを発表した。音声認識結果の表示速度と安定性の向上に重点を置いたとしている。

従来は、音声入力を終えた後、テキスト変換が完了するまで待つ必要があった。Live Dictationでは、話している最中から認識結果が画面に順次表示される。

ユーザーは音声入力画面の波形表示をタップまたはクリックすることで、変換中のテキスト表示のオン・オフを切り替えられる。入力後は変換結果を確認・修正し、そのままChatGPTへのメッセージとして送信できる。

さらに、従来の10分録音制限も廃止した。音声機能を担当するアッティ・エレティ氏はX(旧Twitter)への投稿で、リアルタイムのストリーミング処理に加え、メッセージ送信の速度と安定性も改善したと説明した。

これにより、長い質問や会議メモ、アイデアを音声で入力する際の時間の制約はこれまでより緩和される。一方でOpenAIは、新たな最大録音時間や無制限利用の可否については明らかにしていない。

今回の機能は、ChatGPTの音声会話モードとは別の機能だ。音声会話モードはAIとリアルタイムで対話する仕組みで、ディクテーション機能はユーザーの音声をテキストメッセージに変換する用途が中心となる。

OpenAIは6月にも新たな音声認識モデルを導入し、日本語を含む複数言語で文字起こし精度を改善した。当時は、主要言語の単語誤り率が従来モデルに比べ少なくとも10%低下したと発表している。

Live Dictationは、iOS、Android、Web、デスクトップアプリ向けに、世界のユーザーを対象に順次提供する。無料ユーザーを含むすべてのChatGPT料金プランで利用できる。

OpenAIは音声認識精度の改善に続き、リアルタイム処理や入力時間制限の見直しも進めている。ChatGPTを使った音声ベースの文書作成や長文メッセージ入力では、今後さらに使い勝手の向上が見込まれる。

キーワード

#OpenAI #ChatGPT #Live Dictation #音声入力 #音声認識
Copyright © DigitalToday. All rights reserved. Unauthorized reproduction and redistribution are prohibited.