OpenAI GPT-Live-1をAPI公開 聴きながら話す音声AI 毎分約7.5円
OpenAIは2026年9月10日、音声AIモデル「GPT-Live-1」を開発者向けAPIとして公開しました。従来の音声認識・テキスト処理・音声合成の3段階パイプラインを1つのモデルに統合し、人間と同時に聴いて話す双方向の音声処理を実現しています。
仕組み：聴きながら同時に話す
GPT-Live-1は、入力音声の処理と出力音声の生成を同時に行います。モデルは1秒間に複数回、「聴く・話す・一時停止する・相手の割り込みを受け入れる」を判断します。
従来の音声AIでは最初の応答まで約1,700ミリ秒の遅延がありましたが、GPT-Live-1は固定のターン境界をなくし、連続処理を行います。OpenAIのFull Duplex Benchではgpt-realtime-2.1を30ポイント上回りました。
“Instead of processing a sequence of separate messages, GPT-Live continuously processes input while generating output.”
（筆者意訳：GPT-Liveは個別のメッセージを順番に処理するのではなく、入力の処理と出力の生成を同時に行います）
OpenAI（出典：OpenAI公式ブログ 2026年9月10日）
料金と利用条件
API利用料は毎分$0.05（約7.5円）で、秒単位の従量課金です。利用プランに応じて25〜500の同時セッションに対応します。音声は12種類から選択可能です。
バックエンドにはGPT-6 Astra、Luna、Terraに加えてサードパーティモデルも接続できます。音声レイヤーが会話の流れを維持しながら、推論やツール呼び出しはバックエンドに委任する分離設計です。
なお、現時点では画像入力には非対応で、日本語を含む一部言語では流暢さにばらつきがあるとされています。
導入事例と対応状況
導入企業のSpeakでは、ユーザーの割り込み発生率が80%減少したと報告されています。また、別の導入企業ではコードベースから23,000行を削減できたとしています。
ChatGPTの有料プランではGPT-Liveが標準搭載され、週次アクティブの音声ユーザーは1億5,000万人を超えています。ただし、現時点でBusiness・Enterprise・Eduプランには未対応です。
出典: OpenAI「Introducing GPT-Live」（2026-09-10）
