GPT-Live-1.1とは​──ChatGPTの​日本語音声・新しい​声・​使い方を​解説

GPT-Live-1.1は、ChatGPTの音声対話を担うモデルの更新版です。 OpenAIは2026年10月15日、日本語を含む話し方の改善と新しい声を発表しました。日本語の声には「ひまり」と「りんどう」が加わっています。^[1][2]

仕事で使うなら、説明の練習や企画の相談など、話しながら考えを整理する用途から始められます。この記事では、更新点、新しい声の設定、利用場面、音声モードの違い、料金・データ設定を整理します。情報は2026年10月18日時点の公式資料に基づきます。CAGでは今回の音声の自然さ・聞き取り精度・応答速度を実測していません。

GPT-Liveは、音声で会話する部分を担当するモデルです。今回の通常版はGPT-Live-1の後継、軽量版のGPT-Live-1.1 QuipはGPT-Live-1 miniの後継に当たります。公式のモデル説明は、Plus以上で通常版、それ以外ではQuipを既定としています。^[3]

聞きながら話せること自体は、1.1で初めて加わった機能ではありません。 OpenAIは、従来版と同じく、会話の区切りを待つだけでなく、間や割り込みに対応する仕組みだと説明しています。新しい声、今回の改善、以前からある機能を分けて見ると、更新の範囲が分かります。^[1][3]

音声モデルの更新は、業務上の回答が必ず正しくなるという保証ではありません。聞き取りやすさと、内容が資料に合っているかは別々に確認します。公式の告知は改善を伝えていますが、本記事では「日本語の誤認識が何割減った」といった未確認の数字には置き換えていません。^[4]

Liveに追加された日本語の声は、Himari（ひまり）とRindō（りんどう）です。設定の「Voice」から声を選べます。表示される選択肢は地域やアカウントで異なるため、自分の画面に出ているものを確認します。^[2]

たとえば「日本語で、一度に一つだけ質問してください」「専門用語は短く説明してください」と頼めます。これは使い方の例で、CAGが今回のモデルで効果を測った結果ではありません。最初から長い依頼を渡すより、返答を聞いて条件を足すと、どんな話し方を求めているか伝えやすくなります。

公式ヘルプは、LiveにはChatGPTの既定のパーソナリティー設定が適用されず、個別の会話で口調やペースを頼めると説明しています。速く・遅く話すよう依頼できますが、再生速度を数値で指定する専用の操作はありません。^[2]

業務で使うときは、音声で進めたい作業の出口を先に決めます。「相談に乗って」だけでなく、「最後に候補を比較表にする」「質問が済んだら依頼文を作る」と伝える方法があります。以下は架空の業務を使った活用案です。

声で答えながら考えを足せるので、最初から整った依頼文を用意しなくても相談を始められます。営業の練習なら「相手役として聞いて、私が終わりと言うまで講評を待って」といった進め方も考えられます。ただし、長い間や周囲の声によって応答する場合は残ると公式は説明しています。^[2]

Liveは主に一対一の会話を想定しています。複数の人が同時に話す会議の記録係として、そのまま置き換える使い方には向き不向きがあります。別の人同士の会話に応答することもあるため、用途に応じて音声対話と録音の処理を選びます。^[2]

CAGでは、音声の会話部分と検索・推論の関係を別記事で解説しています。^[7] 今回の焦点は、ChatGPTの利用者が何を設定し、どのように会話を進めるかです。

Web版ではChatGPTの入力欄にある音声のアイコンから開始します。iOS・Androidでもメッセージ欄の音声アイコンを選び、必要に応じてマイクへのアクセスを許可します。初回には声の選択が表示される場合があります。^[2]

話している途中に訂正できても、訂正が正しく反映されたかは返答で確かめます。 架空の商品を例にするなら、「対象は個人ではなく法人です」と変更し、最後の依頼文にもその条件が残っているかを見ます。これが、単に会話が滑らかだったことと、仕事の下準備ができたことを分ける確認になります。

Liveでは音声と同じチャットで文字や画像を扱えます。話しにくい内容を文字で補い、前のやり取りを読み返すこともできます。アカウントによって使える機能は異なります。^[2]

つないだアプリを使う場合も、普段の権限と組織の制限が適用されます。Web・モバイルで承認が必要な操作は画面で確認し、画面の操作で承認・拒否します。声で「許可する」と答える方法は対応していません。^[2]

設定に表示される音声モードは、プラン、ワークスペース、地域、アプリの版などで変わります。2026年10月18日時点の公式ガイドでは、Live、Advanced、Standardを区別しています。^[2]

スマホの画面を見せながら相談したいなら、Liveを選べばよいとは限りません。公式は、対象のiOS・Androidアプリで動画・画面共有を使う場合、Advancedを選ぶ手順を案内しています。^[2]

CAGの「ChatGPTの音声アップロードとは──会議録音を議事録と次の作業に変える」では、録音済みの音声から議事録を作る流れを紹介しています。^[8] 録音を後から整理したいのか、今この場で相談したいのかを分けると、入口を選びやすくなります。

関連記事 ｜ 録音から議事録を作るChatGPTの音声アップロードとは──会議録音を議事録と次の作業に変える→

音声の利用枠は、使う場所によって確認先が変わります。次の表はChatモードのLiveについて、2026年10月18日時点の公式ガイドにある利用枠です。固定の暦日ではなく、直近24時間の枠として計測されます。^[2]

この表をWorkやデスクトップの音声利用全体の料金表としては使えません。Web・モバイルのWorkでは音声の利用枠に加え、実行する仕事も通常のWork利用に数えられます。デスクトップの音声には別の料金・上限の案内があります。業務アカウントでは契約と管理者設定も確認します。^[2]

データの扱いでは、音声データと文字起こしを分けて見ます。公式は、Live・Advancedの音声クリップをチャット履歴の文字起こしに関連付けて保存し、30日間保持すると説明しています。音声そのものの学習への共有と、文字起こしなどのモデル改善への利用には、それぞれ設定があります。^[2]

個人向けプランでは「Improve the model for everyone」をオフにすると、新しい会話はモデルの学習に使われなくなります。履歴を消す操作とは別です。ただし、回答への評価フィードバックを自分で送った場合、その会話が学習に使われることがあります。Business・Enterpriseなどの業務向けサービスは、既定では入力・出力を学習に使わないと公式は説明しています。会社の保存・アクセス方針と合わせて確認します。^[5][6]

最初は外部に出してよい架空の題材を選び、目的を伝えて話し、訂正を加え、最後のテキストを見直す。この流れなら、声の好みだけでなく、自分の相談や下準備に合うかを確かめられます。自然に聞こえた回答でも、日付・金額・相手への約束は資料に照らして確認してから使います。