【GPT-Live-1.1】ChatGPTの音声が日本語でより自然に！新ボイス・使い方・料金を解説

2026年10月16日、OpenAIがChatGPTの音声会話モデルを「GPT-Live-1.1」へアップデートしました！2026年7月に登場したGPT-Live-1の改良版で、日本語を含む6言語の新ボイスと、より自然なアクセントが最大の目玉です。

とはいえ、「GPT-Live-1から何が変わったの？」「日本語の新しい声はどう使うの？」と気になっている方も多いのではないでしょうか。

この記事では、GPT-Live-1.1の概要や仕組みから、ChatGPT・Codex・dots・APIでの使い方、料金とライセンス・業界別の活用シーンまで徹底的に解説します。最後まで読めば、新しくなったChatGPTの音声会話をすぐに使いこなせるはずです。

【監修者】田村 洋樹

株式会社WEEL代表取締役 / 累計25社以上のAIアドバイザリーを担当 / 企業向けセミナー・大学講義でのべ10,000人超に登壇 / 日本HP・インテルなど、大手企業主催カンファレンスへの登壇実績多数。AI導入支援・生成AIを活用した業務改革のプロとして、アドバイザリー・PM・講演者など多面的な立場から企業を支援中。

GPT-Live-1.1とは？

GPT-Live-1.1は、ChatGPTの音声会話（ChatGPT Voice）を動かす全二重（フルデュプレックス）の音声モデルの最新版です。

GPT-Live-1.1は、2026年7月にChatGPTへ導入されたGPT-Live-1の後継にあたり、ChatGPTのリリースノートでは、小型版の「GPT-Live-1.1 Quip」とあわせてChatGPT Voiceへ順次展開すると案内されました。

今回のアップデートはChatGPTだけでなく、CodexとdotsのVoiceにも適用されます。全ユーザーに向けて本日から展開が始まり、APIへの提供は「近日中」とのことです。

なお、GPT-Live-1.1のベンチマークスコアの詳細は、2026年10月16日時点で公開されていません。ここからは、公式に案内されている変更点を中心に見ていきましょう。

日本語のHimari・Rindōを含む13種類の新ボイスを追加

GPT-Live-1.1の大きな変化は、言語ごとに用意された新しい声です。OpenAIの開発者フォーラムの告知では、合計13種類の新ボイスが追加されたと説明されています。

これまでの音声は、多言語に対応しながらも英語話者がベースの声でした。言語ごとに専用の声が用意されたのは、日本語ユーザーにとってうれしいポイントでしょう。ただし、表示されるボイスは地域やアカウントによって異なる場合があると公式に明記されています。

日本語を含む非英語圏のアクセントが大幅に改善

2つめの特徴は、英語以外の言語の話し方です。開発者フォーラムの告知では、フランス語・ドイツ語・ヒンディー語・メキシコのスペイン語・韓国語・日本語をはじめ、多くの非英語言語で「かなり」性能が向上したと述べられています。

GPT-Live-1の登場時、OpenAIは「一部の言語では非ネイティブ風のアクセントや流暢さの不足が残る可能性がある」と認めていました。今回のアップデートは、まさにその弱点に手を入れた形です。

OpenAIで音声モデルの開発に携わるKundan Kumar氏も、自身のポストで「GPT-Live-1より全体的に良くなっているはず」とコメントしています。英語以外での体感がどこまで変わるのかは、実際に試して確かめたいところですね。

「checking…」の連発が減り、待ち時間の言い回しが多彩に

地味ながら反響が大きいのが、検索やツール実行中の話し方の改善です。GPT-Live-1では、Web検索などを待つ間に「checking…（確認しています）」に近い言葉を何度も繰り返す場面がありました。

リリースノートによると、GPT-Live-1.1では検索中であることを伝える短いフレーズのバリエーションが増えています。同じ言葉の繰り返しが減るため、待ち時間の会話がより人間らしく聞こえるはずです。

OpenAIの公式ポストでも、冒頭から「And less “checking…”」とこの点が強調されています。日常的に音声モードを使っている方ほど、違いを感じやすい部分といえるでしょう。

委任（デリゲーション）と指示への追従性が向上

GPT-Live-1.1では、会話の裏側でのタスクの受け渡しも改善されました。開発者フォーラムの告知には、委任（デリゲーション）がより自然になり、ステアラビリティ（指示に沿って振る舞いを調整できる度合い）も向上したと記載されています。

GPT-Liveは、検索や深い推論が必要なときに別の推論モデルへ処理を渡し、自分は会話を続ける設計です。この受け渡しがスムーズになると、質問してから答えが返ってくるまでの流れも途切れにくくなります。

「もっとゆっくり話して」「結論から教えて」といった口頭の指示が通りやすくなる点も、ビジネスで使ううえで見逃せないポイントです。

GPT-Live-1.1の仕組み

GPT-Live-1.1は、会話を担当する音声モデルと、調べ物や推論を担当するバックエンドを分けて動かす設計です。ここからは、公式ドキュメントで公開されているGPT-Liveの構成をもとに動作原理を解説します。

聞きながら話す「フルデュプレックス」構造

GPT-Liveの土台にあるのは、音声の入力と出力を1つのモデルで同時に扱うフルデュプレックス構造です。GPT-Liveの発表記事によると、モデルは入力を受け取りながら出力を生成し、話す・聞き続ける・一時停止する・割り込む・ツールを呼ぶといった判断を1秒間に何度も行っています。

初期のChatGPT Voiceは、音声認識・言語モデル・音声合成の3つをつなぐカスケード方式でした。その後のAdvanced Voice Modeは1つのモデルにまとまったものの、沈黙を合図に話し始めるターン制のままだったのです。

GPT-Liveでは、ユーザーが話している途中でも相槌を打ったり、考え込んでいる間は黙って待ったりできます。人どうしの会話に近いテンポを生み出しているのが、この構造というわけです。

調べ物や推論はバックエンドのモデルへ委任

もう1つの柱が、重い処理を別のモデルへ渡す「委任（デリゲーション）」です。Web検索や複雑な推論、エージェント的な作業が必要になると、GPT-Liveは処理をバックエンドの推論モデルに渡し、自分は会話を続けます。

2026年9月のリリースノートでは、ChatGPT Voiceは検索や難しい質問の際にGPT-5.6またはGPT-6 Astraを使えると案内されました。結果が戻ると、GPT-Liveがその内容を会話の流れに組み込んで話してくれます。

GPT-Live-1.1で改善された「checking…」の削減や委任の自然さは、まさにこの待ち時間の振る舞いに関わる部分です。

API版を構成するモジュール

API版のGPT-Liveは、開発者が構成要素を自分で組み合わせる形です。GPT-Liveの開発者ガイドでは、会話を担うGPT-Liveと、委任されたタスクを処理するバックエンドの2層構造として説明されています。

委任の方式はセッション作成時に決まるため、途中で切り替えたい場合は新しいセッションを作り直さなければなりません。権限チェックや確認手続き、タスクの進捗保存はアプリケーション側の役割とされている点も押さえておきましょう。

GPT-Live-1.1の使い方

GPT-Live-1.1は、ChatGPT・Codex・dotsの3つのサービスで追加料金なしに使えます。ここからは、それぞれの使い方と、API提供に備えたGPT-Live-1での実装手順を順番に紹介します。

ChatGPT（Web・スマホアプリ）で使う

もっとも手軽なのは、ChatGPTの音声ボタンから使う方法です。GPT-Live-1.1が展開済みのアカウントであれば、普段どおり音声会話を始めるだけで新しいモデルが使われます。

STEP

ChatGPTアプリを最新版にアップデート

スマホで使う場合は、App StoreまたはGoogle PlayからChatGPTアプリを最新版にしておきましょう。ヘルプページでは、Voiceの利用可否はプランや地域に加えてアプリのバージョンにも左右されると説明されています。

Webブラウザで使う場合は、chatgpt.comにアクセスしてログインすればOKです。新しいボイスが見当たらないときは、アプリの更新やページの再読み込みを試してみてください。

STEP

音声を「Live」に設定し、ボイスを選ぶ

続いて、設定画面からVoiceの項目を開きます。

日本語の新ボイスを使いたい場合は、HimariかRindōを選びましょう。

STEP

音声ボタンを押して話しかける

設定が終わったら、チャット画面の音声アイコンを押して会話を始めます。初回はマイクの使用許可を求められるので「許可」を選んでください。

あとは話しかけるだけで、GPT-Live-1.1が応答してくれます。ChatGPTが話している途中でも割り込んで質問を変えられますし、文字を入力して送っても音声で返事をしてくれるのが便利なところです。会話中に声を変えると、同じチャット内で新しい通話として始まり直す点は覚えておきましょう。

ChatGPTの音声会話の基本的な使い方は、以下の記事でも紹介しています。

WEEL

ChatGPT（チャットGPT）音声会話の使い方！無料でできることも解説 | WEEL ChatGPT 音声会話は日本語を含む多言語に対応し、スマホやPCからリアルで自然な会話ができる便利な機能です。本記事では音声モードの設定方法、活用シーン、読み上げや議事…

Codex（デスクトップアプリ・CLI）で使う

GPT-Live-1.1は、コーディングエージェントであるCodexの音声機能にも展開されています。キーボードから手を離したまま作業を頼めるため、設計の相談やタスクの振り分けと相性の良い使い方です。

STEP

デスクトップアプリでVoiceを起動する

macOS・Windows向けのデスクトップアプリでCodexを選び、Voiceのボタンか、設定で割り当てたショートカットを押すと音声会話を始められます。

PCの画面の内容を踏まえて話したい場合は、OS側で画面収録やアクセシビリティの権限が必要になるケースもあるので注意してください。音声で依頼したタスクも、テキストで依頼したときと同じ利用枠から消費される仕組みです。

STEP

ターミナル（Codex CLI）では「/voice」を使う

ターミナル派の方には、Codex CLIから音声で話しかける方法もおすすめです。

# Codex CLIを起動
codex

# 起動後の入力欄で音声モードを開始
/voice

話しながらタスクを投げ、その後にエージェントの一覧画面で進み具合を確認する、という流れが想定された機能です。なお、Codexの各画面にGPT-Live-1.1がいつ反映されるかは、ロールアウトの状況によって前後する可能性があります。

dotsで使う

dotsは、2026年9月のDevDayで発表された常時稼働型のAIエージェントで、話し合いたいことがあるときに音声通話をかけられる機能があります。GPT-Live-1.1はこの通話にも適用されるため、新しい声と自然なアクセントでdotと会話できるようになりました。2026年10月時点でdotsはProプランとBusiness Premiumプランで順次提供されています。

dotsの基本やスマホでの使い方は、以下の記事を参考にしてみてください。

WEEL

ChatGPTのdotsがスマホで作成可能に！モバイル版の使い方・できること・料金を徹底解説 | WEEL ChatGPTのdotsは、2026年10月のアップデートでスマホのChatGPTアプリから作成できるようになりました。iOS・Android版で名前や見た目の設定、プラグイン接続まで完結し、do…

API（GPT-Live-1で先行して準備）で使う

GPT-Live-1.1のAPI提供は、2026年10月16日時点で「近日提供予定」となっています。ただし、前のモデルであるGPT-Live-1（モデルID：gpt-live-1）はすでにAPIで公開されているため、先に実装の流れをつかんでおくとスムーズに移行できるでしょう。

公式のWebRTCクイックスタートをもとに、ブラウザから話しかけられる最小構成を紹介します。

mkdir gpt-live-demo && cd gpt-live-demo
npm install openai express
export OPENAI_API_KEY="sk-..."

const result = await client.live.create({
  session: {
    model: "gpt-live-1",
    instructions:
      "Be concise. Delegate requests needing current information to the backend, which can search the web.",
    delegation: {
      type: "responses",
      responses: {
        model: "gpt-5.6-terra",
        instructions:
          "Use web search when current facts are needed. Return concise, grounded results for a spoken conversation.",
        tools: [{ type: "web_search" }],
        tool_choice: "auto",
      },
    },
  },
  transport: {
    type: "webrtc",
    sdp: request.body.sdp,
  },
});

node server.mjs
# ブラウザで http://localhost:3000 を開き「Start conversation」をクリック

OpenAIのAPI全般の使い方については、以下の記事が参考になるはずです。

WEEL

OpenAI APIとは？！ChatGPT APIのモデルとResponses API対応まとめ・料金・使い方を解説 | WEEL OpenAI APIを徹底解説！多彩なAIモデルの料金や機能、活用シーン、利用手順までわかりやすく解説します。テキスト生成や画像生成、AIチャットボットの開発など、貴社のサー…

【実践】GPT-Live-1.1を実際に使って検証してみた！

ここからは、GPT-Live-1.1の改善点が実際の会話でどう効いてくるのかを検証していきます。今回は検索中の話し方と割り込みへの対応の2つに絞って試しました。

「checking…」は本当に減った？検索が必要な質問で試してみた

まずは、OpenAIが強調している「checking…」の削減を確かめます。Web検索が必要な質問を投げ、答えが返ってくるまでの間にどんな言葉でつないでくれるかを観察しました。

検索を1回で終わらせないよう、複数の情報を調べる必要がある質問にしています。待ち時間が長くなるほど、つなぎの言い回しのバリエーションが確認しやすくなるはずです。

今週末に大阪から京都へ日帰りで出かけようと思っています。
京都の週末の天気予報と、今の時期に見頃の観光スポットを調べて、雨が降った場合の代わりのプランも教えてください。

出力結果はこちら

画面に表示される文字起こしも記録し、待ち時間中のフレーズの種類と回数を数えてくれます。

結果は、最初に「ちょい待ってね」と一言添えただけで、「checking…」のような繰り返しは一度もありませんでした。2回のWeb検索を挟みながら、約28秒で天気から雨の日プランまで答えてくれました。

話の途中で割り込んで、条件を変更してみた

最後は、フルデュプレックスの強みである割り込みへの対応です。会議の段取りを説明してもらっている最中に話をさえぎり、条件を変えたときにどこまで柔軟に組み直してくれるかを検証しました。

GPT-Live-1.1では委任の自然さと指示への追従性が向上したとされています。途中で条件が変わったときに、それまでの内容をうまく引き継げるかどうかは、実務で使えるかを判断する大事なポイントでしょう。

（1回目）来週の社内勉強会の進行表を作りたいです。60分で、テーマは生成AIの業務活用。冒頭の挨拶から質疑応答までの流れを、時間配分つきで読み上げてください。

（読み上げの途中で割り込む）ごめんなさい、やっぱり45分にして、質疑応答は長めに取りたいです。

出力結果はこちら

結果は、割り込むとすぐに読み上げを止め、「オッケー。じゃあ45分で組み直すね」と即座に切り替えてくれました。前半の流れを保ったまま全体を圧縮し、質疑応答には7分を確保しています。会話を止めずに修正できる快適さを実感できます。

X（旧Twitter）で話題になっているGPT-Live-1.1の反応

GPT-Live-1.1の発表直後から、X上では日本語ユーザーと海外ユーザーの両方からさまざまな反応が寄せられています。2026年10月16日時点で特に話題になっている投稿をピックアップしてみました。

今回解説する事例において、弊社がX（旧Twitter）で発見した参考となるツイートを紹介させていただいております。取り下げなどのご連絡は、contact@weel.co.jp からご連絡ください。

「checking…」が減ったことを歓迎する声が多数

もっとも多く見られたのが、「checking…」の削減を喜ぶ投稿です。以下の海外ユーザーは、「いつも『checking…』にうんざりしていた」と投稿し、多くの共感を集めました。

日本語ユーザーからも同様の声が上がっています。以下のポストでは「いま確認するねぇ…」の多発が抑えられる点を「個人的にはいま一番ありがたいかも」と評価しました。

一方で同氏は、日本語のイントネーションについて、日本語がとても上手になったアメリカ人のような印象が残るとも述べています。新ボイスでどこまで変わるのかは、ユーザーごとに評価が分かれそうなポイントです。

日本語ボイス「ひまり」「りんどう」への期待

日本語ユーザーの関心を集めているのが、2つの日本語ボイスです。以下のポストでは、Androidアプリにすでに展開されていたと報告し、「喋り方も改善されたみたい」とコメントしています。

また、OpenAIでマーケティングを担当するRyota Toyoda氏も、個人アカウントで日本語の音声選定に関わったことを明かしました。特にひまりについて「リアルな日本の女性の感じがすごい」と紹介しています。

日本のユーザーに向けて声が選ばれていることがわかる投稿で、実際に聞き比べてみたくなりますね。

説明のない謎のボイス「Bubbie」が話題に

海外で注目を集めたのが、新しく追加された英語ボイス「Bubbie」です。以下のポストでは、ボイス一覧に説明文のない声があると動画つきで投稿し、1万5,000回以上表示されました。

リプライ欄では「Bubbieはおばあちゃんみたいな声」といった感想が寄せられ、ちょっとしたお祭り状態になっています。公式のリリースノートでもBubbieは英語の新ボイスとして明記されており、隠し要素ではありません。ほかのボイスとは毛色の違う声として、遊び心のある追加といえるでしょう。

API提供を心待ちにする開発者の声

開発者のあいだでは、APIでの提供開始を待つ声も目立ちます。以下のポストでは、GPT-Liveを音声の窓口にしてClaude CodeやCodexに作業を渡す使い方をしていると紹介し、「1.1がAPIに来るのが待ちきれない」と投稿しました。

同氏は、900トークンを超えるツールの出力を1行に要約してから音声モデルに渡すことで、誤答が8件から3件に減ったという工夫も共有しています。委任先の出力を短く整えるという発想は、API版を使う開発者にとって参考になるはずです。

GPT-Live-1.1の料金とライセンス

GPT-Live-1.1は、ChatGPT・Codex・dotsの機能として提供されるため、各プランの範囲内であれば追加料金なしで利用できます。ここからは、プラン別の利用上限とAPIの料金、ライセンスの考え方を整理していきましょう。

GPT-Live-1.1の利用上限は、プランごとに「直近24時間で何時間まで話せるか」という形で決まっています。FreeプランとGoプランでは小型版のQuip、Plus以上のプランではGPT-Live-1.1が使われる点が大きな違いです。

API版のGPT-Live-1.1の料金は、2026年10月16日時点で公開されていません。参考として、現行のGPT-Live-1のモデルページでは、音声セッション1分あたり0.05ドルの秒単位課金と記載されています。バックエンドで使う推論モデルやツールの料金は別途かかる点に注意しましょう。

続いてライセンスです。GPT-Live-1.1はOpenAIのクラウド上で提供されるクローズドなモデルのため、オープンソースのようなライセンスは設定されていません。利用条件はOpenAIの利用規約とサービス規約にもとづきます。

ChatGPTの音声会話で生成された声を、そのまま広告動画のナレーションやポッドキャストの素材に使うと規約違反になるため、注意しましょう。また、業務で音声を活用したい場合は、APIで自社のサービスに組み込む形を検討するとよいでしょう。

【業界別】GPT-Live-1.1の活用シーン

GPT-Live-1.1は、日本語の話し方が自然になったことで、国内の業務にも取り入れやすい音声AIになりました。ここからは、どの業界でどのような使い方が向いているのかを紹介します。

コールセンター・カスタマーサポート

もっとも相性が良いのは、電話での問い合わせ対応です。GPT-Liveは相手の話をさえぎらずに相槌を打てるうえ、注文状況の確認などはバックエンドに任せながら会話を続けられます。

API版はSIPによる電話回線への接続にも対応しているため、予約受付や一次対応の自動化に組み込みやすい構成です。GPT-Live-1.1で「checking…」が減ったことで、調べている間の沈黙や不自然な繰り返しにお客様が戸惑う場面も少なくなるでしょう。

コールセンターへのAI導入について、詳しく知りたい方は下記の記事をご覧ください。

WEEL

生成AIはコールセンターでどう使える？結果を出した企業の導入事例を含め徹底解説 | WEEL ビジネスの場面における生成AIの活用が広がっています。その流れはコールセンターにおいても同様で、上手に生成AIを活用することでオペレーター業務を改善したり、新人教育…

教育・語学学習

語学学習のスピーキング練習にも向いています。今回のアップデートで日本語・韓国語・フランス語などの専用ボイスが加わったため、学びたい言語のネイティブに近い発音を聞きながら練習できるようになりました。

GPT-Liveは学習者が考え込んでいる間も急かさずに待てる設計です。言い間違えたところで割り込んで訂正してもらうなど、会話を止めずに学習を進められる点も魅力でしょう。

教育業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIによる教育業界の業務DX化！効率化と授業品質UPが狙える活用法や現場の導入事例を紹介 | WEEL 生成AIは教育業界の教員不足や長時間労働、個別指導の難しさを解決する手段として注目されています。この記事では、学校運営・語学学習・外国籍生徒への対応・アクティブラ…

ソフトウェア開発

開発現場では、Codexの音声機能と組み合わせた使い方が考えられます。設計の方針を声で相談しながら、実装やテストはCodexのエージェントにまとめて任せるといった進め方です。

ホワイトボードの前で議論しながら作業を振り分けたり、手元でレビューをしつつ次の修正を口頭で頼んだりと、キーボードに向かわない時間も開発に使えるようになります。委任の自然さが増したGPT-Live-1.1なら、こうした指示出しもよりスムーズになるはずです。

Codex CLIでできることは、以下の記事で詳しく紹介しています。

WEEL

Codex CLIでできること！画像生成・PDF文字起こし・業務効率化を解説 | WEEL 押さえておきたいポイント OpenAI発コーディングエージェント マルチモーダル対応 ローカル環境内で完結 OpenAIがo3とo4-miniのリリースに合わせて、Codex CLIを発表しまし…

営業・フィールドワーク

移動中や外出先で手がふさがりがちな営業職にも向いています。商談に向かう電車の中で提案の要点を整理したり、訪問先の企業情報を調べてもらったりと、声だけで準備を進められます。

dotsを使えば、通話で頼んだ調べ物をエージェントが裏側で進めてくれる使い方も可能です。日本語の話し方が自然になったことで、長時間の会話でも聞き疲れしにくくなるでしょう。

営業での生成AI活用については、以下の記事も参考にしてみてください。

WEEL

生成AIを使った営業DX支援！活用事例9選・効率化のコツを解説 | WEEL この記事では生成AIを営業で活用する事例を10個と営業で使う際の注意点とその対策をご紹介しています。ChatGPT以外にも画像生成AIや電話応対AIなど、営業で生成AIを活用し…

GPT-Live-1.1など生成AIのご相談はWEELへ！

GPT-Live-1.1は、ChatGPTの音声会話を日本語でもより自然に話せるように進化させたアップデートです。Himari・Rindōという日本語の新ボイスが加わり、検索中の「checking…」の繰り返しも減りました。

ChatGPTだけでなくCodexやdotsでも使えるため、調べ物から開発の指示出しまで、声で任せられる仕事の幅が広がっています。FreeプランでもQuipを試せるので、まずは音声ボタンを押してその違いを体感してみてください。API提供が始まれば、電話対応や接客など、音声を起点にした業務の自動化も一気に現実味を帯びてくるでしょう。

大規模言語モデル（LLM）比較レポート

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、大規模言語モデル（LLM）を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。

無料で相談する

資料をダウンロードする

GPT-Live-1.1のよくある質問