ChatGPTとClaude、そろって音声機能強化 Codexでエージェントに“声だけで指示”も可能に

[林裕也，ITmedia]

　米OpenAIと米Anthropicは7月23日（現地時間）、AIチャットの音声機能をそれぞれ同日に強化した。OpenAIはデスクトップアプリ版「ChatGPT Voice」を公開し、声だけでPC上のエージェントに指示を出せるようになった。Anthropicは「Claude」の音声モードを刷新し、上位モデルでの会話や外部ツール連携に対応。いずれも音声での対話を、より複雑な作業に使えるようにする内容だ。

ChatGPT Voiceの利用イメージ（出典：OpenAIのX投稿より）

　OpenAIは23日、デスクトップアプリ版「ChatGPT Voice」の提供をmacOSとWindows向けに始めた。音声でPCを操作し、「ChatGPT Work」やコーディングエージェント「Codex」で動く複数のエージェントに指示を出せる。音声モデル「GPT-Live」を基盤とし、発話・聞き取り・アプリ内の作業調整を同時にこなすのが特徴だ。

　対象はPlus・Pro・Business・Edu・Enterpriseの各プランで、無料プランでは使えない。iOSアプリの場合は、リモート接続機能を介してCodexでChatGPT Voiceを利用可能。Android対応は今後予定している。

　なおOpenAIは26年1月15日に、macOS版アプリの音声機能をいったん廃止していた。当時は「アプリ全体でより統一された音声体験に注力するため」と説明しており、今回の提供は約半年ぶりのmacOSデスクトップ向け音声機能の復活となる。

Claude音声モードの利用イメージ（出典：AnthropicのX投稿より）

　一方のAnthropicは同日、Claudeの新しい音声モードを発表した。テキストチャットで使えるモデル群を音声会話でも利用できるようにしたもので、従来は軽量モデル「Claude Haiku」のみだったが、「Claude Opus」「Claude Sonnet」など高性能なモデルも選べるようになった。Anthropicは「難しい問題を声に出して話しながら取り組める」としている。パブリックβ版として、モバイル・デスクトップ・Webの各アプリで23日に提供を始めた。音声モードは無料プランを含む全ての料金プランで利用できる。

　音声モードの起動時はテキストチャットで最後に使ったモデルを引き継ぐ。OpusやSonnetといった各モデルには世代の異なる複数のバージョンがあるが、音声会話では自動でその最新世代に切り替わる。なお、最上位モデル「Claude Fable」は現時点で音声モードに非対応となっている。

　モデルは会話の途中で切り替え可能なほか、メールやカレンダーなど接続済みの外部ツールにも途中からアクセスできる。対応言語も拡大し、スペイン語、フランス語、ヒンディー語、日本語などを新たにサポートした。