ChatGPTの「Advanced Voice Mode」: 感情豊かな表現力で会話UXを引き出す

　本投稿は、執筆時点の情報に基づいています。

　対象の端末、アカウント、OS、機能、国、言語等に関する最新情報は、公式サイトをご確認ください。

TL;DR

– OpenAIの「Advanced Voice Mode」は、今年5月のSpring Updateで登場した音声AI

– 話者の抑揚や会話内容を聞き分け、表現力豊かに回答することができる

– 画像や音楽に関する機能は、今リリースには搭載されていない

OpenAIが最新の音声AIをリリース

　OpenAIは、「Advanced Voice Mode」を正式にリリースしました。

　サブスクリプション（ChatGPT Plus 及び Teams）ユーザーから随時展開がスタートしていますが、無料ユーザー向けの開放も徐々に進んでいるようです。

　ChatGPTモバイルアプリ（Android・iOS）からアクセス可能で、日本語でも使用することができます。

chatgptのadvancedvoicemode起動ボタン — **「Advanced Voice Mode」の起動ボタン**

シンプルなデザイン

　起動すると、青い球体が中央に映し出されます。

　スクリーンには、テキスト・表・リンクなどの視覚情報は表示されず、音声のみでAIと会話を進めます。

chatgptのadvancedvoicemode画面 — **Advanced Voice Modeのスクリーン**

chatgptのstandardvoicemode画面 — **Standard Voice Mode**のスクリーン

Standard Voice Modeとの違い

　Advanced Voice Modeは、以下のような特徴を備えています。

1. 人間並みの会話レスポンス

　回答に要する処理時間が短く、テンポ良く会話が進行していきます。

2. 会話を「被せる」ことができる

　Gemini LiveのInterruptモードと同様に、AIが回答中でも質問を「被せる」ことができます。

3. 感情豊かな音声表現ができる

　話者の抑揚や会話内容に合わせた音声表現が可能です。例えば、

「今日はランニングで20km走った」　⇨　驚きと賞賛
「子供が風邪を引いているから病院に行く」　⇨　心配と気遣い

　のように、内容や状況に合わせて回答することができます。

Daily Limitとプライバシー

　OpenAIの「Voice mode FAQ」には、Advanced Voice Modeの使用制限、及びプライバシーの取り扱いについて、詳細が記載されています。

Daily Limit

　Advanced Voice Modeには、1日毎に使用制限が設けられています。その日の使用制限まで残り15分になると、ユーザーに通知が届きます。

　制限値に達すると、Advanced Voice Modeは使用不可になりますが、Standard Voice Modeに切り替えて会話を継続することが可能です。

advancedvoicemodeのデイリーリミット画面 — **「残り15分」の通知**

advancedvoicemodeのリミット到達画面 — **「リミット到達」の通知**

プライバシーの取り扱い

　Advanced Voice Modeは、話者のAudio Clip（音声ファイル）を、会話毎に保存して使用しています。

advancedvoicemodeの音声ファイル録音サイン — **会話毎にAudio Clipを録音する**

　会話履歴からAdvanced Voice Modeのスレッドを削除すると、該当するAudio Clipも30日以内に削除されます（但し、セキュリティや法律上の目的、その他条件に当てはまる場合を除く）。

　なお、会話履歴をアーカイブしても、Audio Clipは削除されません。

　また、Settings ⇨ Data Controls にある「Improve the model for everyone」「Improve voice for everyone」がOnの場合、Audio Clipがモデルトレーニングに使用される可能性があります。

　自分のプライバシーポリシーを考え、事前の設定や操作を完了しておくことが重要です。

Spring Updateのデモを再現

　Spring Updateのデモ動画にあった以下の2つを、実際に試してみました。

リアルタイム翻訳

　「これから聞こえてくる日本語は英語に翻訳し、英語は日本語に翻訳してください」のように事前指定すると、即席のtranslatorが登場します。

　ChatGPTが仲介役となって、日本語 – 英語の会話がスムーズに進んでいきます。

カスタマーサービス

　Custom Instructionに必要な情報を事前入力して、”カスタマーサービス” としての振る舞いをテストすることができます。

　レスポンス速度や言葉遣いは、実際の電話でも十分に応対できるレベルかと思います。

未実装の機能

　以下の機能は、今リリースでは試すことが難しいようです。

Streamingデータの認識
歌を歌う
Webアクセスによるリアルタイム情報の取得

まとめ

　OpenAIは、今年5月のSpring Updateで紹介した「Advanced Voice Mode」を、正式にリリースしました。

　人間並みのレスポンス速度と感情表現を備えた音声AIは、幅広いシーンでの活用が期待されています。

（端末・バージョン情報）

iPhone 15 / iOS 18.0 / 1.2024.268
Pixel 8 / Android 14 / 1.2024.268