ChatGPTの待望のAdvanced Voiceは「来週」登場する可能性あり

OpenAIのCEO兼共同創設者サム・アルトマン氏は木曜日、X（旧Twitter）で、同社のAdvanced Voice機能が「来週」から展開を開始する予定だが、対象はChatGPT-Plusの加入者の一部に限定されると明らかにした。

同社は「少数のユーザーでアルファ版を開始し、フィードバックを集め、そこから得た情報に基づいて拡大していく」計画だ。

来週、Plus 加入者へのアルファ版のロールアウトが始まります!

— サム・アルトマン (@sama) 2024年7月25日

テキストプロンプトを廃止し、ユーザーが人間同士のようにAIと直接会話できるAdvanced Voiceは、5月に同社のSpring UpdateイベントでGPT-4oのリリースと同時に発表されました。ユーザーの質問に対して定型的な回答しか返さないSiriやGoogleアシスタントなどの既存のデジタルアシスタントとは異なり、ChatGPTのAdvanced Voiceは、人間のような応答をほぼ遅延なく、複数の言語で提供します。

GPT-4oモデルは、平均320ミリ秒で音声入力に応答できます。これは、人間が通常の会話に反応する速度と同等です。下のデモ動画でご覧いただけるように、このモデルは複数のユーザーと同時に会話し、英語とポルトガル語の両方で話題や質問を即興で提示し、「笑い」など人間らしい感情表現も行います。

アルファ版トライアルの参加者の選定方法については、月額20ドルのChatGPT Plusプランの加入者であること以外、まだ発表されていません。アルファ版のリリースは当初6月に予定されていましたが、「リリース基準を満たすため」、禁止コンテンツの検出と拒否能力の向上、そして予想されるユーザー負荷の増加に対応するためのITインフラ強化のため、延期されました。

同社が6月に発表したように、この機能の完全な展開は少なくとも今秋までは行われず、その正確な時期は、やはり「当社の高い安全性と信頼性の基準を満たすかどうか」に左右される。

ChatGPTにユーザーと自然な会話を行える機能を与えることは、大きな進歩です。コンテキストウィンドウが不要になることで、ユーザーのハードウェア要件が軽減され、AIの統合やユースケースの可能性が広がります（例えば、身体の可動性や器用さに制限のあるユーザーへのアクセス向上など）。

また、これは、コンピューターを「Hey Siri」で操作することには慣れているものの、迅速なエンジニアリングの見通しには不安を感じる、技術にあまり詳しくないユーザーにとって参入障壁を下げることで、一般の人々による技術の普及を加速させるのにも役立つ可能性がある。