ChatGPT、会話しつつPC操作や複数AIエージェント同時指揮が可能に

ChatGPTデスクトップアプリでChatGPT Voiceを筆者が試しているところ。声で指示すると、会話を続けたままImagegenスキルによる3Dボクセルアートの生成などが進んでいく(実際にはこのあと、Remotionでmp4出力までやってみた)

　キーボードから手を離したまま、PCを操作し、複数のAIエージェントへ次々と指示を飛ばす——。OpenAIは7月24日(日本時間)、聞くことと話すことを同時に行なえる音声会話機能「ChatGPT Voice」を、macOS/Windows版のChatGPTデスクトップアプリに追加した。PlusやPro、Business、Edu、Enterpriseの各有料プランを対象に、同日から順次展開される。実際に筆者の環境で試したところ、ChatGPTと会話しながらCodexで開発を進められるのは実に楽だった。

　ChatGPT Voiceは、ChatGPTと音声で対話できる機能。今回のデスクトップアプリ対応では、声でPCを操作できるほか、エージェント機能「ChatGPT Work」やコーディングエージェント「Codex」上で動く複数のエージェントを、音声だけで指揮できる。

　基盤となるのは、7月9日発表の音声専用モデル「GPT-Live」だ。同時双方向会話(フルデュプレックス)型のモデルで、デスクトップアプリでは「話す」と「聞く」に加えて、アプリ内の作業の調整までを同時にこなす。公式ヘルプによれば、ChatGPT VoiceはWeb検索やメモリの利用、ビジュアルウィジェットの表示にも対応する。

　なお、iOSアプリでも、リモート接続機能「Remote」をペアリングすれば、Codex上でChatGPT Voiceを利用できる。Android対応は近日公開予定としている。