OpenAI、会話中も作業を進められるGPT-Live-1をAPIで提供

OpenAIは9月10日、音声モデル「GPT-Live-1」をAPIで利用できるようになったと発表した。アプリに自然な音声対話を組み込み、会話を続けながら別のエージェントに調査や操作を任せられる。

GPT-Liveは話しながら相手の声を聞く全二重の会話に対応する。音声を担当するモデルと、情報の検索やツールの実行を担うモデル・実行基盤を個別に選べるため、既存のエージェントを会話の裏側に接続する構成も取れる。

利用者が追加情報を伝える間も、処理を進められることが特徴だ。ただし、発話を遮っても実行中の処理が自動で取り消されるわけではなく、操作の許可や中止、作業状態の管理はアプリ側で設計する必要がある。