#Voice

OpenAIはChatGPTデスクトップアプリで、VoiceをWorkとCodexでも利用可能にしました。音声でタスクを開始し、会話を中断・修正しながら、選択した体験で許可されたツールや権限を使う作業を指示できます。

ChatGPT Voiceはデスクトップアプリ内のWorkとCodexに追加され、チャットだけでなく作業・開発フローから音声タスクを開始できます。 利用者は自然に話しかけ、途中で割り込んだり指示を変えたりしながら作業を進められます。 Voiceには、選択したWorkまたはCodex体験で利用可能なツールと権限の範囲で、作業開始または調整を依頼できます。 今回のリリースノートでは、API変更、料金、無料・有料プラン別の提供範囲、日本での利用可否は明示されていません。 デスクトップでCodexやWorkを使う利用者にとって、キーボード中心の操作へ音声による依頼・軌道修正を組み合わせられる更新です。

OpenAI API changelogで、Realtime API向けのGPT-Realtime-2.1とGPT-Realtime-2.1 miniが公開されました。 音声アプリ向けに、英数字認識、無音・ノイズ処理、割り込み挙動を改善し、miniはより高速・低コストな蒸留モデルとして提供されます。

対象はOpenAI APIのv1/realtimeを使う開発者で、ChatGPT単体のUI更新ではありません。 GPT-Realtime-2.1は、リアルタイム音声アプリケーション向けの推論モデル更新で、英数字の認識、無音やノイズへの耐性、会話中の割り込み挙動が改善されています。 GPT-Realtime-2.1 miniは、同じRealtime用途向けのより高速で低コストな蒸留モデルとして追加されました。 音声エージェント、通話型サポート、リアルタイム翻訳、ハンズフリー操作など、低遅延と割り込み処理が重要な実装に関係します。 移行期限、既存モデルの廃止、破壊的変更は確認されていません。

OpenAIはChatGPTの音声入力に新しい音声認識モデルを展開しました。 全プラン対象の裏側の更新で、日本語を含む複数言語・アクセント・騒音環境での文字起こし精度を改善しています。

対象はChatGPTのdictation機能で、使い方の変更はありません。 評価では、主要テスト言語で前の本番モデルより単語誤り率が少なくとも10%低下したとされています。 日本語、韓国語、中国語、ウルドゥー語、ベトナム語、アクセント付き英語、長文のスペイン語・フランス語・イタリア語・ポルトガル語で改善が示されています。 騒がしい公共空間や職場、ささやき声、文字と数字の組み合わせにも強くなっています。 全プラン対象の製品品質改善であり、API変更や移行期限はありません。