OpenAIは、ChatGPTにライブ音声入力機能を追加した。話し終わるのを待たずに、話した言葉がリアルタイムでテキストに変換される。今回の変更は世界中で提供され、ウェブ、デスクトップアプリ、iOS・Androidアプリで利用できる。波形アイコンをクリックすると、文字起こしがリアルタイムで表示され、プロンプトを送信する前に編集できる。OpenAIは、音声入力エンジンの信頼性が高まったとして、従来の録音時間の上限だった10分も撤廃した。
ChatGPTの音声機能における新しい音声入力の位置づけ
OpenAIは今年初め、ユーザーが話しかけ、音声で返答を聞ける双方向の会話型音声モードを刷新した。昨年には、会議や音声メモを文字起こしする「record mode」を導入したが、こちらはベータ版のままで、Plus、Enterprise、Edu、Business、Proの各ワークスペースに限られていた。ライブ音声入力は、こうした有料プランだけでなく、すべてのChatGPTプランで利用できる点が異なる。また、音声メッセージを箇条書きにまとめるようモデルに頼める、プロンプト欄の音声入力機能を土台としている。
ユーザーができること
チャットを始めたら、マイクアイコンをタップして話す。話した内容が画面に表示されるため、文字起こしを確認しながら、聞き間違いがあればすぐに修正できる。話し終えると、全文がプロンプト欄に残り、モデルが処理する前に編集できる。10分の上限がなくなったことで、講義やインタビューの一部など、長めの音声も一度に扱える。OpenAIはこの機能の信頼性が「高まった」と説明しているが、具体的な精度の数値は公表していない。
なぜ重要か
文章を頻繁に入力する人は、ChatGPTに話しかけるだけで言葉がすぐに表示されるため、メッセージやメモ、アイデアをその場でまとめやすくなる。10分の上限撤廃により、インタビューや講義など長い音声も分割せずに記録できる。ただし、OpenAIは精度を公表していないため、文字起こしに誤りがないか確認する必要がある。