GPT-Liveとは？OpenAIの全二重リアルタイム音声モデル｜無料開放・料金・使い方・APIの現状【2026年7月最新】

GPT-Liveは、OpenAIが2026年7月8日に発表した「聞きながら同時に話せる」全二重（フルデュプレックス）音声モデルです。 ChatGPTの音声会話が、従来の「交互に発話するトランシーバー型」から「同時に声を重ねられる電話型」に変わり、追加料金なしで無料ユーザーにも順次開放されています。

この記事でわかること:

GPT-Liveの定義と、従来のAdvanced Voice Modeとの構造的な違い
無料 / Go / Plus / Pro でどのモデルが使えるか（料金表つき）
GPT-5.5へ処理を委任する仕組みと、推論レベル3段階の使い分け
現時点で「できないこと」の全リスト（API未提供・Business非対応・画面共有非対応ほか）
「GPT-LiveをAPIで使いたい」人が本当に見るべき別モデルの料金

ChatGPTの音声機能が変わったと聞いて概要を掴みたい人にも、業務システムやコールセンターへの組み込みを検討している開発者・情報システム担当者にも必要な情報を、公式発表と一次報道を突き合わせて整理しました。

実務上、押さえておくべき点は3つに絞れます。

GPT-Live自体に追加料金はない。 ChatGPTのプラン料金に含まれる。無料ユーザーは軽量版の「GPT-Live-1 mini」、Go / Plus / Proは上位の「GPT-Live-1」が既定になる。
APIでは現時点で使えない。 「近日提供」とされるのみで、提供時期も料金も未発表。APIでリアルタイム音声を組みたいなら、別系統の gpt-realtime ファミリーを使うことになる。
法人ワークスペース（Business / Enterprise / Edu）はローンチ時点で対象外。 「会社のChatGPTに出てこない」のは不具合ではなく仕様。

GPT-Liveとは何か

出典: OpenAI Developers 公式サイト

GPT-Liveは、ChatGPTの音声会話を担当する新世代の音声モデルです。開発元はOpenAI、発表は2026年7月8日（日本国内の報道は7月9日付が中心）。従来のAdvanced Voice Mode（AVM）を置き換える形で提供されます。

最大の特徴は全二重（full-duplex）アーキテクチャです。人間の音声を処理しながら、並行して自分の音声を生成します。モデルは「話すか、聞き続けるか、黙るか」を1秒間に何度も判断しており、その結果として次のような挙動が成立します。

ユーザーが話している最中に「うんうん」「なるほど」と相づちを打つ
話の途中で割り込まれたら、発話を止めて自然に応答を切り替える
ユーザーが考え込んで沈黙している間は、急かさずに黙って待つ

OpenAIによれば、ChatGPTの音声・ディクテーション機能は週1億5,000万人以上が利用しており、その体験全体を刷新するアップデートという位置づけです。

項目	内容
名称	GPT-Live（GPT-Live-1 / GPT-Live-1 mini の2モデル構成）
開発元	OpenAI
発表日	2026年7月8日
提供形態	ChatGPTアプリ（iOS / Android）、ChatGPT.com（Web）
API	未提供（近日提供とのみ告知）
追加料金	なし（ChatGPTのプラン料金に含まれる）
音声	9種類のプリセット音声（GPT-Live向けにリマスター）

生成AIの全体像から整理したい場合は、生成AIとは？仕組み・種類・活用例もあわせて参照してください。

従来の音声モードと何が違うのか

違いは「待つかどうか」です。従来のAdvanced Voice Modeはユーザーが話し終わるまでモデルが待つターン制でしたが、GPT-Liveは入出力を連続処理するため、発話が重なっても会話が壊れません。

ChatGPTの音声機能は、大きく3世代に分けて整理できます。

世代	方式	構造上の課題
Standard Voice Mode	音声認識（STT）→ LLM → 音声合成（TTS）のカスケード接続	3段階を直列に通すため遅延が大きい
Advanced Voice Mode（2024年〜）	単一モデルが音声を直接処理	ターン制。ユーザーの発話終了を待ってから応答する
GPT-Live（2026年7月〜）	全二重。入力処理と出力生成を同時並行	割り込み・相づち・沈黙が自然に成立する

Advanced Voice Modeの時点で「音声を直接扱う」単一モデル化は済んでいました。GPT-Liveが変えたのは音質ではなく会話のターン設計そのものです。ここを「音声がきれいになった」と誤解すると、実際に使ったときの印象がずれます。

仕組み：GPT-5.5へのバックグラウンド委任

OpenAI公式のRealtimeガイドページ。リアルタイム音声処理の設計思想を示す

出典: OpenAI Platform Docs - Realtime ガイド

GPT-Liveの設計で最も重要なのは、会話を担当する部分と、重い思考を担当する部分を分離している点です。

GPT-Liveは、日常的な対話をリアルタイムに担当する
Web検索・深い推論・エージェント的な作業が必要になった質問は、バックグラウンドで最新のフロンティアモデル（ローンチ時点ではGPT-5.5）に処理を委任する
委任している間も会話は途切れず、結果が出たら順次会話に反映される

これにより「AIが考えている数十秒、無言で待たされる」という音声AI特有の欠点を回避しています。

⚠️ 誤解されやすい点: 一部の解説記事が「GPT-Liveのベースモデルは GPT-5.5」と書いていますが、これは正確ではありません。GPT-5.5はGPT-Liveの委任先であって、ベースモデルではありません。

委任先となるモデルの詳細はGPT-5.5とはで解説しています。

推論レベルは3段階から選べる

会話中に、応答の速さと思考の深さのバランスを選択できます。

モード	背後で動くモデル	性格
Instant	GPT-5.5 Instant	応答速度を優先。雑談・語学練習向き
Medium	GPT-5.5 Thinking	速度と精度のバランス
High	GPT-5.5 Thinking	深い推論を優先。応答は遅くなる

雑談や語学練習で「High」を選ぶと逆に不自然になります。速度優先モデルの設計思想はGPT-5.5 Instantとはにまとめています。

GPT-Liveでできること

対話そのもの以外に、以下の機能が確認されています（一部は対象アカウントのみ）。

ビジュアルカード表示 — 天気・株価・スポーツ結果などを会話中にカード形式で表示
Web検索 — 会話を止めずに検索結果を反映
テキスト・画像の入力 — 音声だけでなく、テキストや画像を会話に持ち込める
メモリ（memory） — 対応しているとの報道と、リアルタイムモードではメモリにアクセスできないとの報道の両方があり、対応可否は確定していません
9種類のプリセット音声 — GPT-Live向けにリマスター済み
日本語対応 — ただしOpenAI自身が、一部言語でアクセントや流暢さに課題が残ると認めています

音声については、事前定義された9音声のみを使用する設計になっています。これは実在人物の声を模倣するボイスクローンを防ぐための保護策です。

料金：GPT-Liveに追加料金はない

出典: OpenAI Platform Docs - Pricing

GPT-Live単体の課金は存在しません。 ChatGPTの各プラン料金に含まれる形で提供され、プランによって使えるモデルが変わります。

プラン	既定の音声モデル	月額（円建て・2026年1月30日以降の日本向け固定価格）
Free（無料）	GPT-Live-1 mini	0円
ChatGPT Go	GPT-Live-1	約1,500円
ChatGPT Plus	GPT-Live-1	3,000円（税込）
ChatGPT Pro	GPT-Live-1	約30,000円（上位Proプラン）
Business / Enterprise / Edu	ローンチ時点で対象外	—

OpenAIは2026年1月30日から日本を含む一部の国で円建ての固定料金を導入しており、為替変動の影響を受けません。

⚠️ 上記の円建て価格は、OpenAIの発表を報じた各社報道に基づく数値です。ChatGPTはプラン構成の改定が続いている領域（Proには下位価格帯のプランも存在します）のため、契約前に公式の料金ページで最新額を確認してください。

プランごとの機能差はChatGPTの料金プラン比較で詳しく整理しています。

「無料開放」の正確な意味

無料ユーザーの既定モデルがGPT-Live-1 miniになる、という意味です。有料版と同じ「GPT-Live-1」が無料で使えるわけではありません。

両者の差について、OpenAIは「GPT-Live-1 miniはエージェント的なWeb検索と科学的推論でわずかに性能が劣る」としています。会話の自然さそのものが劣るとは明言されていません。ベンチマークの数値は現時点で未公開です。

⚠️ 無料枠に利用回数・時間の上限があるかは、現時点で公式に発表されていません。 「無料で無制限に使える」と紹介している記事がありますが、その裏づけは確認できていません。上限の有無は公式ヘルプで随時確認してください。

それでも、高品質な全二重音声会話が無料枠に降りてきたこと自体は競争環境上の事件です。音声の自然さを有料で売ってきたElevenLabsやSesameのような事業者にとっては、価格の前提が崩れる変化になります。

使い方：アプリを最新版に更新するだけ

特別な設定は不要です。ただしアプリのアップデートが前提になります。

iOS / Android の ChatGPT アプリを最新版に更新する（これを忘れると出てきません）
ChatGPTを開き、音声会話（マイク／音声アイコン）を起動する
会話画面で推論レベル（Instant / Medium / High）を選ぶ
話しかける。相手の発話中に割り込んでも構いません
Webで使う場合は ChatGPT.com の音声モードから起動

ロールアウトの現状（2026年7月9日時点・OpenAI公式Xの告知に基づく）

Go / Plus / Pro の有料プランは全ユーザーへの展開が完了
無料ユーザーへの展開は進行中

日本のモバイルアプリでは「まもなくお使いのアカウントで次世代音声モデルをご利用いただけるようになります」という表示が出るケースが報告されています。表示されない場合は、アプリのバージョンとロールアウト状況の両方を疑ってください。

現時点でできないこと（重要）

発表直後のため、使えない範囲が広く残っています。ここを把握せずに導入検討を進めると確実に手戻りします。

項目	状態
API提供	未提供。「近日提供」とのみ告知。開発者は関心登録フォームで通知登録のみ可能
Business / Enterprise / Edu	ローンチ時点で対象外。従来のVoiceオプションを継続利用
動画・画面共有つき音声会話	非対応（今後対応予定とされるが時期は未発表）
デスクトップアプリ	非対応
Temporary Chat（一時チャット）	非対応
Work / Codex / カスタムGPT	非対応
メモリ（memory）	情報が錯綜。対応とする報道と、リアルタイムモードではアクセス不可とする報道の両方がある

品質面の制約

OpenAI自身が「一部の言語では非ネイティブなアクセントや流暢さのギャップが生じる可能性がある」と認めています。実際、TechCrunchはデモにおけるヒンディー語のライブ翻訳について「強いアメリカ訛りで、発話が不自然だった」と報告しています。日本語も含め、全言語で完成しているわけではありません。

初期ユーザーからの批判：相づちが「うるさい」

GPT-Liveの目玉である相づち機能には、リリース直後から否定的な反応が出ています。「mhmm」「yeah」といった相づちの頻度が高すぎて気が散る、という指摘です。

心理的な安心感を与える意図で実装された機能が、実際には冗長で苛立たしいものとして受け取られている。音声はテキストと違い、ユーザーの注意に直接割り込みます。アシスタントが前のめりに口を挟みすぎたとき、ユーザーが感じるのは知性ではなく煩わしさです。

現時点で、相づちをオフにする設定は確認できていません。 静かな環境での長時間利用を想定している人は、この点を試してから判断してください。

「GPT-LiveをAPIで使いたい」人が読むべきこと

出典: OpenAI Platform Docs - GPT-Realtime Model

GPT-LiveはAPIで使えません。 ここは最も混同されやすいポイントなので、正確に整理します。

OpenAIは「GPT-Live-1 in the API」という関心登録フォームを公開していますが、提供時期も料金も未発表です。したがって、コールセンター・音声受付・業務システムへの組み込みは、現時点では不可能です。

一方で、APIで使えるリアルタイム音声モデルは別系統として既に存在します。 それが gpt-realtime ファミリーです。名前が似ているため混同されがちですが、GPT-Liveとは別物であり、OpenAIのRealtime APIドキュメントに「GPT-Live」「gpt-live-1」という記載は一切ありません。

モデル	用途
`gpt-realtime-2.1`	低遅延ボイスエージェント構築（現行の本番版）
`gpt-realtime-translate`	ライブ音声のリアルタイム翻訳
`gpt-realtime-whisper`	ライブ音声のストリーミング文字起こし

gpt-realtime（gpt-realtime-2025-08-28）の公式料金（100万トークンあたり）:

種別	価格
テキスト入力	$4.00
テキスト出力	$16.00
音声入力	$32.00
音声出力	$64.00
キャッシュ入力	$0.40〜$0.50

同モデルのコンテキストウィンドウは32,000トークン、最大出力は4,096トークンです。接続方式はWebRTC・WebSocket・SIPに対応しており、SIP対応があるため電話回線に接続する音声エージェントは今日から構築できます。

なお、後継の gpt-realtime-2.1 はコンテキスト長・上限・料金が上記と異なります。 実装前に必ず公式のモデルページで対象モデルの仕様を確認してください。

判断の目安

今すぐ音声エージェントを本番構築したい → gpt-realtime 系を使う
GPT-Liveの全二重会話をそのまま組み込みたい → 提供開始を待つほかない

APIモデルの詳細はGPT-Realtime-2とは（音声・翻訳・文字起こしAPI）で解説しています。

Gemini Liveとの比較

出典: Google DeepMind - Gemini 公式サイト

競合はGoogleのGemini Liveです。2026年3月26日に投入されたGemini 3.1 Flash Liveは、ネイティブマルチモーダルとして「見る・聞く・話す」を同一モデルで同時処理します。

比較ポイント	GPT-Live	Gemini Live
会話のなめらかさ	先行という評価	良好
画面共有・カメラ入力	非対応	対応（同時処理）
API提供	未提供	提供済み
API料金	—	大幅に安い（一部比較で約1/10水準）
指示追従性・品質	優位という評価	良好

整理すると、画面を見せながら相談したいならGemini Live、会話そのものの自然さを求めるならGPT-Liveという住み分けになります。GPT-Liveは動画・画面共有に非対応なので、「この画面のどこを押せばいい？」という使い方は現時点でできません。

Googleのマルチモーダルモデルの動向はGemini Omni Flashとはで解説しています（Gemini Liveとは別のモデルです）。

安全性と、企業利用で気をつけること

OpenAIは音声特有のリスクに対して、以下の対策を組み込んだとしています。

危険な出力の検知と誘導 — モデルの発話中に危険な出力を検知すると、より安全な応答へ誘導する。リスクが高いケースでは音声会話自体を終了する
レッドチーム演習 — 子どもを装った声への対応、実在人物のなりすまし、話者の特定（speaker identification）といった音声固有のリスクを検証。従来モデルと同等の安全性を確認したとしている
ボイスクローン防止 — 事前定義された9音声のみを使用し、実在人物の声を模倣しない
保護者による管理 — ティーンユーザー向けのペアレンタルコントロールが利用可能

そのうえで、業務利用にあたっては次の4点を押さえてください。

法人ワークスペースでは、そもそも使えない。 Business / Enterprise / Edu はローンチ時点で対象外です。「同僚のスマホでは出るのに会社アカウントで出ない」のは正常な挙動です。
APIがないため、業務システムへの組み込みは不可能。 本番活用はAPI提供後になります。
個人アカウントに業務情報を音声入力する運用は避ける。 情報の取り扱い範囲が組織の管理下を外れます。
音声は「周囲に聞かれる」という物理的な漏洩経路を持つ。 オフィス・カフェ・移動中の車内で機密情報を読み上げるリスクは、テキスト入力にはないものです。

こんな人におすすめ

GPT-Liveの全二重会話が明確に効くのは、発話のテンポそのものが価値になる用途です。

語学学習をしたい人 — 割り込み・相づち・沈黙が自然なため、実際の会話練習に近い
考えを声に出して整理したい人 — 思考中に黙って待ってくれる挙動が壁打ちに向く
移動中・運転中に使いたい人 — 画面を見ずに完結する
音声AIの最新水準を、無料で試しておきたい人 — miniでも全二重会話は体験できる
ChatGPT Go / Plus / Pro を既に契約している人 — 追加費用ゼロで即日使える

よくある質問

Q. GPT-Liveを使うのに追加料金はかかりますか？
かかりません。ChatGPTの各プラン料金に含まれます。無料プランでもGPT-Live-1 miniが使えます。

Q. 無料プランで何回まで使えますか？
利用回数や時間の上限が設定されているかどうかは、現時点でOpenAIから公表されていません。上限なしと断定できる根拠は確認できていないため、公式ヘルプでの確認をおすすめします。

Q. アプリに出てきません。故障ですか？
まずアプリを最新版に更新してください。それでも出ない場合、無料プランは2026年7月9日時点で展開が進行中のため、順番待ちの可能性があります。法人ワークスペースのアカウントは対象外です。

Q. GPT-LiveとGPT-5.5はどういう関係ですか？
GPT-5.5はGPT-Liveのベースモデルではありません。Web検索や深い推論が必要になったときに、GPT-Liveがバックグラウンドで処理を委任する先です。会話はGPT-Liveが担当し続けます。

Q. gpt-realtime とは何が違いますか？
別のモデルです。GPT-LiveはChatGPTアプリ／Web専用でAPI提供がありません。gpt-realtime はAPI専用のリアルタイム音声モデル群で、音声入力$32／音声出力$64（100万トークンあたり）で今日から使えます。

Q. 相づちを止められますか？
現時点で、相づちをオフにする設定は確認できていません。頻度への不満は初期ユーザーから複数報告されています。

Q. 日本語の品質はどうですか？
日本語には対応しています。ただしOpenAIは「一部の言語では非ネイティブなアクセントや流暢さのギャップが生じうる」と明記しており、全言語で完成した水準ではありません。

まとめ

GPT-Liveは、ChatGPTの音声会話を「交互に話す」から「同時に話せる」へ作り変えたモデルです。追加料金なしで、無料ユーザーにはGPT-Live-1 mini、Go / Plus / ProにはGPT-Live-1が提供されます。重い思考はGPT-5.5にバックグラウンド委任するため、会話が沈黙で止まりません。

一方で、発表直後ゆえの空白も大きく残っています。APIは未提供、法人ワークスペースは対象外、画面共有は非対応、相づちの頻度には初期批判があり、無料枠の上限は未発表。 個人が試すには十分に面白く、業務に組み込むには時期尚早、というのが2026年7月時点の実像です。

APIでリアルタイム音声を今すぐ実装する必要があるなら、待つべき対象はGPT-Liveではなく、既に提供されているGPT-Realtime-2（音声・翻訳・文字起こしAPI）です。プランごとの費用対効果を検討する場合はChatGPTの料金プラン比較を、生成AI全体の位置づけを掴みたい場合は生成AIとはをあわせてご覧ください。