ChatGPTが音声対話機能を強化した。Engadgetが9日（現地時間）に報じたところによると、OpenAIは音声対話向けモデル「GPT-Live」を導入し、ユーザーの発話を聞きながら応答できる仕組みを採用した。

ChatGPTの初期の音声モードは、2023年時点で音声認識、言語モデル、音声読み上げの3つのシステムを組み合わせて動作していた。その後、高度な音声モードでは単一のマルチモーダルモデルへ移行し、応答品質を高めてきた。

現在は音声対話処理にGPT-Liveを用いている。OpenAIはこの仕組みを「フルデュプレックス」アーキテクチャと説明している。従来の音声モデルでは、ユーザーの発話中に短い間が空くと会話が終わったと誤認し、話し終える前に応答してしまうことがあった。

GPT-Liveはこうした問題を抑える設計だという。ユーザーの発話の途中でも、ChatGPTが「うーん」「なるほど」といった短い反応を返し、実際の会話に近い流れを作れるとしている。

一方、高度な推論や調査を要する複雑な質問は別モデルが担う。GPT-LiveはそうしたリクエストをバックグラウンドでGPT-5.5のようなモデルに渡して処理できるという。生成AIは新モデルの登場にあわせて機能や精度、応答速度を高めてきたが、回答をそのまま信頼できる情報源として扱うべきではないという限界はなお残る。

ChatGPTでは別の新機能も加わった。回答の内容だけでなく、テキストの見た目を変えて出力できるようになった。

TechRadarによると、追加のフォントファイルをインストールしなくても、Unicode文字スタイルを使って装飾テキストを作成できる。この機能はワープロソフトのようにフォントを導入する方式ではなく、ChatGPTが文章をUnicode文字スタイルに変換する仕組みだ。

新しいチャットで文言を入力し、吹き出し風やゴシック風、反転文字といった具体的なスタイルを指定すれば利用できる。「別のフォント」を求めるより、「特定のUnicode文字スタイル」と指定した方が、意図した結果に近づきやすいとしている。

用途としては、短い文言の印象を変えたい場面が想定される。誕生日メッセージ、パーティーの招待状、年末のあいさつ、SNS投稿などに使えば、同じ内容でも見せ方を変えられる。ChatGPTが生成したテキストは、別のアプリにコピー・アンド・ペーストすることも可能だ。

もっとも、制約もある。Unicodeベースのテキストは対応環境でのみ正しく表示される。多くの最新アプリでは大きな問題なく使える一方、一部のサイトでは□で表示されたり、別の記号に置き換わったりする可能性がある。装飾性の強いスタイルは可読性を損ない、スクリーンリーダーなどのアクセシビリティツールでは使いにくくなる場合もある。

このため、装飾テキストはタイトルや短い強調文など、用途を絞って使うのが適切だという。ChatGPTは長文全体の変換にも対応するが、読みやすさを損なう水準になると実用性は下がると指摘した。生産性を大きく押し上げる機能ではないものの、SNS投稿や祝いのメッセージ、招待状を目立たせる用途では活用できるとしている。

今回のアップデートでは、音声インターフェースが単なる読み上げを超え、会話のタイミングまで扱う段階に入ったことが示された。同時に、生成AIが文章の内容だけでなく、表現形式の調整にも対応し始めていることをうかがわせる。