要点
OpenAIはChatGPTの音声アーキテクチャを全面的に刷新し、音声が途切れない連続ストリーミングを実現した。
新システム「GPT-Live」により、ChatGPTは“話しながら同時に聞く”ことが可能になった。
音声セッション開始時のネットワーク往復回数は6回から1回へと削減された。
音声は専用の高速パスを通り、推論やツール実行は非同期で並行処理される。
OpenAIは刷新の技術的な詳細をまとめた資料を公開した。
OpenAIは、ChatGPTの音声機能を支えるインフラをゼロベースで再構築し、「GPT-Live」と呼ぶ新アーキテクチャを発表した。
音声ストリームを途切れさせずに維持したまま、より重い推論処理やツール呼び出しを裏側で走らせられる構造とすることで、会話の中断を抑えたかたちだ。
同社は8月3日にX投稿を連投するとともに、新システムをクライアント側からモデル側までどう組み替えたかを解説するブログを公開。
その中で、音声セッション開始時に必要だったネットワーク往復が、従来の6回から1回に短縮されたと説明している。
GPT-Liveの仕組み
GPT-Liveでは、音声データは推論やツール呼び出しとは切り離された専用の高速パスを通る。
一方で、より重い推論処理や外部ツールの利用は非同期で走り、バックグラウンドで完結するため、音声ストリームを止める必要がない。
その結果、音声セッションの立ち上がりは速くなり、特に複雑なリクエストを処理する際にユーザーが感じていた“待ち時間の空白”が大幅に減少する。
OpenAIは別のX投稿で、新アーキテクチャがセッション開始直後の体験を重視して設計されていると強調。
会話の「1ターン目」から自然にやり取りが続くよう配慮しており、旧来のスタックが抱えていた「推論のたびに音声レイヤーが待たされる」という構造的な制約を解消したとしている。
関連記事: Cosmos Hubが6％高、インターチェーン仮説に復活の兆し
GPT-Live刷新の狙い：ChatGPT音声の“もたつき”解消
OpenAIは2026年にかけて音声機能の高度化を急ピッチで進めている。
今年に入ってからは、ChatGPTの音声応答が複数ステップの問いに対して「ぎこちなく遅い」との指摘も相次いでおり、今回のGPT-Liveは、そうした課題に対するエンジニアリング面での直接的な解答と位置付けられる。
今回のリリースは、同社が先月明らかにした「次期大規模モデルの社内版が、トークンコスト約2,000ドルで新たに10本の数学的成果を出した」という報告にも続くものだ。
モデル性能だけでなく、その基盤インフラへの大型投資を継続していることを示す一例と言える。