OpenAIが提供するChatGPTの新機能：高度な音声チャットとは？

2024年9月24日、OpenAIは、待望の「Advanced Voice（高度な音声チャット）」機能をChatGPT PlusおよびTeamsプランのユーザー向けにリリースしました。この新機能は、従来の音声チャットよりも大幅に進化しており、自然な会話の流れを実現するとともに、会話中の割り込みや話題の切り替えがスムーズに行える点が注目されています。さらに、ユーザーの音声入力と出力がシームレスに連携し、会話がより人間らしく進行します。

特徴と機能
カスタム指示とメモリー機能
多言語対応と音声のアクセシビリティ
終わりに
1. 関連

特徴と機能

ChatGPTのAdvanced Voice機能は、GPT-4oモデルを活用して、これまでの単純なテキスト読み上げエンジンに依存することなく、音声の入出力をリアルタイムで処理します。このモデルの強みは、ユーザーが会話中にトピックを自由に変えたり、自然に割り込んだりできることです。これにより、会話の流れがスムーズでインタラクティブなものとなります。

また、OpenAIはこの機能に対応するために、5つの新しい音声を提供しています。これらの音声は、プロの声優と協力して作成されており、「Arbor」「Spruce」「SXol」「Maple」「Vale」と名付けられています。これらは既存の音声オプションに加えられ、さらにリアルな会話体験を提供するために設計されています。

カスタム指示とメモリー機能

Advanced Voice機能では、カスタム指示とメモリーという2つの新しい機能も追加されています。カスタム指示機能により、ユーザーは自分の好みに合わせて会話の進行をカスタマイズできるようになりました。これにより、例えば特定のトピックに焦点を当てたり、特定の口調やスタイルで応答させることが可能です。また、メモリー機能は、過去の会話や指示を記憶し、それをもとに次の会話に反映することで、より一貫性のある会話を実現します。

多言語対応と音声のアクセシビリティ

さらに、この機能は50以上の言語に対応しており、音声で「遅れてごめん」といったフレーズを多言語で発話することも可能です。これは、異なる言語を話すユーザー同士でもスムーズにコミュニケーションできるため、グローバルなビジネスや学習において非常に有効です。

リリースの背景と今後の展開

この機能は当初2024年初めにリリースが予定されていましたが、リリースの遅れがありました。OpenAIはその間にさらなる機能の改良を行い、より人間らしい音声チャットの実現に向けて技術を磨き上げました。この遅れを反映して、ChatGPTの新機能は「Sorry I’m late（遅れてごめん）」というフレーズを50以上の言語で言えるようになっています。

今後、OpenAIはこの機能の展開を段階的に進め、さらにカメラ入力やその他のマルチモーダル機能の追加を計画しています。これにより、音声だけでなく、画像やビデオを使ったインタラクションも可能になる見通しです。例えば、ユーザーがカメラで撮影した画像をもとに、トラブルシューティングや料理のアイデアを出してもらうといった新しい使い方が期待されています。

終わりに

ChatGPTのAdvanced Voice機能は、これまでにない自然な会話体験を提供し、カスタマイズ性やメモリー機能によってさらに個別化された応答が可能になりました。この技術は、音声チャットの分野での新たな一歩であり、今後も進化を続けることが予想されます。ビジネスから日常生活まで、音声を使ったコミュニケーションがより身近なものとなり、私たちの会話のスタイルに大きな影響を与えるでしょう。

【参考文献】