詳細を読む
OpenAIは7月24日、ChatGPTのデスクトップアプリを更新し、音声で対話しながらAIエージェントを操作したり、パソコン上の作業を実行できるChatGPT Voiceを追加したと発表しました。今月初めに公開した新しい音声モデル群「ChatGPT-Live」を活用し、より自然な会話で複雑な指示に応じます。従来はスマートフォン向けが中心でしたが、今回のデスクトップ対応で音声から実際の作業を進められるようになりました。
ChatGPT VoiceはChatGPT WorkとCodexの両方で利用でき、コンピュータ操作のスキルを使ってWebサイトやアプリを調べることも可能です。macOSでは「Appshots」により、alt-textを含む画面上の情報にアプリがアクセスできる点も特徴となっています。
今回のデスクトップ版はスマートフォン版よりも実行力が高く、多くの手順を含む複雑なコマンドを一度に指示でき、ChatGPTが確認を求めた際には応答することもできます。デモ動画では、開発者が新しいスレッドの作成、プルリクエストの発行、バグの根本原因の特定までを一つの指示でこなす様子が示されました。
スマートフォン版は当初、会話の滑らかさや割り込み処理の改善を売りにしていましたが、端末上で操作を実行する設計ではありませんでした。一方でユーザーは、iOSアプリからのリモートアクセスを通じてCodex内でChatGPT Voiceを使うこともできます。
競合のAnthropicも前日にClaudeの音声モードを刷新し、Opus・Sonnet・Haikuの各モデルを使ってGmailやカレンダー、Slack、Notion、Canvaなどのアプリで作業を完結できるようにしました。音声を入り口としたAIエージェントの実用化競争が、一段と加速しています。