「ChatGPTと声で話せる」と聞くと、スマートフォンの音声入力や、従来の音声会話を思い浮かべるかもしれません。
2026年7月23日に追加されたChatGPT Voiceは、それより一歩進んだ機能です。声で質問するだけでなく、Chat・Work・Codexの作業を始め、進み具合を聞き、途中で方向を変えられます。
この自然な会話を支えるのがGPT-Liveです。ただし、使える端末やプラン、利用枠には条件があります。この記事では、従来の音声入力との違いから始め方、料金、できること、使う前の注意点まで、OpenAI公式情報をもとに初心者向けに整理します。
結論｜GPT-Liveは、声でAIの作業を動かす会話モデル
先に結論を書くと、GPT-Liveを使ったChatGPT Voiceは、ChatGPTデスクトップアプリでAIと自然に話しながら、相談や作業の開始、進捗確認、方向修正まで行う機能です。
会話の途中で割り込んだり、追加の条件を伝えたりできます。ChatGPTが別のタスクを進めている間も、声で状況を確認して次の指示を出せます。
ただし、次の3点は最初に押さえておきましょう。
- 無料プラン向けの一般的な音声機能ではなく、Plus、Pro、Business、Edu、Enterpriseが対象
- 基本の利用場所はChatGPTデスクトップアプリ。iPhoneでは、デスクトップ側と接続したRemoteから利用
- GPT-Liveが会話を担当し、アプリ内の作業開始や調整はGPT-5.6 Terraが担う
「声で質問できる機能」ではなく、声を入口にしてAIの仕事を動かせる機能と考えると分かりやすいでしょう。
ChatGPT Voiceはいつ始まった？｜2026年7月23日に追加
OpenAIの公式変更履歴では、GPT-Liveを搭載したChatGPT Voiceは2026年7月23日のデスクトップアプリ更新で追加されています。
この更新では、Chat、Work、Codexの3つで音声会話を使い、別タスクの開始、確認、方向修正を行えるようになりました。macOSでは、前面にあるウィンドウをAppshotとして共有する「Screen context」も案内されています。
その後、2026年7月27日のiOS版更新では、選択した声の利用や利用上限の警告表示が改善されました。iPhoneからは、デスクトップ側のホストと接続したRemoteを通じてChatGPT Voiceを利用できます。
ここで大切なのは、2026年7月23日に始まったのは、デスクトップアプリでChat・Work・Codexを声から動かすChatGPT Voiceだという点です。スマートフォンやWeb版で以前から使われてきた音声入力・音声会話と、同じものとして混ぜないほうが理解しやすくなります。
GPT-LiveとGPT-5.6 Terraは何を担当する？
ChatGPT Voiceは、1つのモデルだけで動く仕組みではありません。OpenAIの料金案内では、次の2つが役割を分けるデュプレックス構成と説明されています。
GPT-Liveは、自然な受け答え、割り込み、話題の変更を扱います。一方、資料をまとめる、テストを実行する、別タスクの進捗を確認するといった作業は、GPT-5.6 Terraがアプリ内で調整します。
そのため、GPT-LiveとAPI向けのRealtimeモデルを同じ名前だと考えないようにしましょう。開発者向けAPIには別のRealtimeモデルと料金体系があり、ChatGPT Voiceの利用枠とAPI料金は別物です。
ChatGPT Voiceでできること
会話へ自然に割り込める
ChatGPTの返答中でも、「そこは短くして」「前提を変えて」と話しかけられます。回答が終わるまで待ってから次の音声を送る、単純な順番型の操作ではありません。
たとえば、次のように方向を変えられます。
その説明は初心者向けに短くして。例は1つだけで大丈夫です。
いまの案は費用を優先して、もう一度考えてください。
Chat・Work・Codexのタスクを声で動かせる
ChatGPT Voiceは、会話して終わりではありません。長い作業を別タスクとして開始し、その進捗や止まっている理由を音声会話へ戻してもらえます。
- Chatで考えを整理する
- Workで資料や成果物づくりを進める
- Codexでコードの調査、テスト、修正を始める
- 動いているタスクの進捗や判断待ちを確認する
- 途中で条件を追加し、方向を修正する
キーボードへ戻らずに「調べて」「進み具合を教えて」「その条件は変えて」と話せるのが、従来の音声入力との大きな違いです。
macOSでは画面の文脈を渡せる
macOS版では、設定のVoiceからScreen contextを有効にすると、前面ウィンドウのAppshotをChatGPTへ渡せます。「この画面を見て」と頼み、表示中の資料やアプリについて相談する使い方ができます。
これは画面を常時配信するライブ画面共有ではありません。前面ウィンドウの画像と、アクセシビリティ経由で取得できるテキストを文脈として渡す仕組みです。見えている範囲より下のテキストを含む場合もあるため、機密情報のあるウィンドウは共有しないようにしましょう。
ChatGPT Voiceの始め方
始め方は難しくありません。基本の手順は次のとおりです。
- ChatGPTデスクトップアプリで、空の新しいチャットまたはタスクを開く
- メッセージを送る前に「Start new voice chat」を選ぶ
- 初回はマイクへのアクセスを許可し、声を選ぶ
- macOSで必要なら、Screen contextの内容と権限を確認する
- 話し始め、終了するときは「End」を選ぶ
ChatGPT Voiceを使うチャットやタスクは、最初からVoiceで開始する必要があります。先に文字で始めたチャットでは、声をテキストへ変換する音声入力が表示されます。
以前のVoice会話を再開するときは、その会話を開いて「Start voice chat」を選びます。よく使う場合は、設定の Voice > Voice chat hotkey からショートカットも設定できます。
料金と利用上限｜5時間単位の別枠で管理される
ChatGPT Voiceの利用枠は、通常のメッセージとは別に、ローリング5時間で管理されます。公式の目安は次のとおりです。
2026年8月10日時点の公式案内です。実際の上限は需要や契約条件によって変わる場合があり、到達時にはChatGPTから通知されます。
また、Voiceが無制限のプランでも、声から始めたCodexタスクまで無制限になるわけではありません。タスクは通常のCodex利用枠も消費するため、Voiceの残量とタスク側の残量は分けて考える必要があります。
Business、Edu、Enterpriseでクレジット制または従量課金を使う場合、デスクトップVoiceは1分あたり約6クレジットと案内されています。現時点で、ChatGPT VoiceをAPIキーから使うことはできません。
音声入力・ライブ画面共有・APIとの違い
似た言葉を混ぜると迷いやすいため、違いを整理します。
音声入力は、話した内容を文字にする機能
音声入力は、声をテキストのプロンプトへ変換してから送る機能です。ChatGPT Voiceのように、その場で自然な会話を続けたり、返答へ割り込んだりすることが目的ではありません。
Screen contextは、画面を常時配信する機能ではない
macOSのScreen contextは、前面ウィンドウのAppshotと取得可能なテキストを渡します。カメラ映像やスマートフォン画面を連続共有する機能として扱わないようにしましょう。
GPT-Liveと開発者向けRealtime APIは別
GPT-LiveはChatGPT Voiceの会話を担当します。開発者が自分のアプリへ音声会話を組み込む場合は、OpenAI APIのRealtimeモデルを使います。名前、利用場所、料金、利用上限を混同しないことが大切です。
初心者におすすめの3つの使い方
考えを話して整理する
文字にする前の企画や悩みを話し、質問を1つずつ返してもらいます。
新しい企画を考えています。すぐに結論を出さず、目的、相手、困りごと、価値の順で1問ずつ聞いてください。
長い作業の進捗を声で確認する
WorkやCodexへ作業を渡したあと、別の操作をしながら状況を聞けます。
いま動いているタスクの進捗と、私の判断が必要な点だけを教えてください。
英会話の練習相手にする
自然な割り込みや言い直しができるため、英語を声に出す練習にも向いています。
英語初心者向けにゆっくり話してください。会話を止めすぎず、私の返答のあとに文法の修正を1つだけ教えてください。
ただし、発音を専門的に採点する教材や講師と同じではありません。どこまで英会話の習い事を置き換えられるかは、料金、練習量、フィードバックの質を分けて考える必要があります。この点は、次の記事で具体的に検証します。
使う前に確認したい注意点
利用できる環境は段階的に広がる
ChatGPT Voiceは、対象プランでも展開状況やワークスペース設定によって表示されない場合があります。EnterpriseとEduは、2週間の早期アクセス期間を経て既定で利用可能になると案内されています。
使えない場合は、デスクトップアプリを更新し、プラン、Voiceの提供状況、マイク権限、別ウィンドウでVoice会話が動いていないかを確認しましょう。Voice会話は、デスクトップアプリ全体で同時に1件だけです。
重要な情報は文字でも確認する
音声で自然に答えられることと、内容が必ず正しいことは別です。日付、金額、契約条件、医療・法律・税務などは、公式資料や専門家の情報でも確認してください。
Screen contextへ機密情報を入れない
Appshotには、画面の画像だけでなく、見えている範囲より下のアクセシブルなテキストが含まれる場合があります。顧客情報、社外秘資料、認証情報、個人情報があるウィンドウでは使わないほうが安全です。
まとめ｜まずは5分、声で考えを整理してみよう
GPT-Liveを使ったChatGPT Voiceは、2026年7月23日に追加された、ChatGPTデスクトップアプリ中心の音声機能です。
- GPT-Liveが自然な音声会話を担当する
- GPT-5.6 TerraがChat・Work・Codexのタスクを開始・調整する
- Plus以上の対象プランで利用でき、Voice枠はローリング5時間で管理される
- macOSではAppshotによるScreen contextを使える
- 音声入力、ライブ画面共有、Realtime APIとは別の機能
最初から複雑な作業を頼む必要はありません。まずは新しいVoice会話を開き、「今日考えていることを話すので、最後に3つへ整理してください」と頼んでみましょう。
声で考えを外に出し、途中で言い直しながらAIと整理する。この感覚が分かると、仕事の壁打ちだけでなく、英会話の練習相手として使う可能性も見えてきます。
コメント