ブログ

チャットGPTの高度な音声モードがブラウザで利用可能に

2024年11月19日、OpenAIはチャットGPTの高度な音声モードをウェブに拡大し、AIの対話機能における大きな前進を遂げました。これまでプレミアムプランのモバイルユーザーのみに限定されていたこのアップグレードにより、プラス、エンタープライズ、チーム、エデュのプランをご利用のお客様は、ウェブブラウザから直接音声による会話が可能になりました。この機能は、ユーザーがチャットボットに直接話しかけることを可能にすることで、AIとのやり取りをより魅力的なものにすることを目的としています。

アドバンスドボイスメッセージ機能は、従来のテキストベースのコミュニケーションに利便性を追加することで、それをより豊かなものにします。ユーザーは、入力バーの横にあるボイスアイコンをクリックすることで音声によるやり取りを開始でき、このアイコンは青く光る球体に変化し、聞く準備ができていることを示します。これにより、音声によるコミュニケーションを好むユーザーは、よりパーソナルで応答性の高い体験を得ることができます。

9月にiOSとAndroidの両方のモバイルデバイス向けに最初にリリースされた高度な音声モードは、現在ではウェブブラウザにも対応し、アクセスが拡大し、ユーザーがChatGPTと関わる方法にさらなる柔軟性をもたらしています。この展開は、最先端のAI技術を民主化し、モバイルデバイスとデスクトップの両方で利用できるようにして、より豊かな体験を提供するというOpenAIの使命の一環です。

音声会話を開始するには、ユーザーは「音声」アイコンをクリックし、マイクへのブラウザアクセスを許可します。青く点滅する球体は、AIが会話の準備ができていることを示します。OpenAIのGPT-4oモデルを搭載したこの機能は、高度な音声処理を使用して、口調、テンポ、感情などの非言語的な合図を解釈し、より自然で人間らしいリアルタイムの共感的な応答を可能にします。

この機能拡張は、ハンズフリーでのコミュニケーションを好むユーザーが増えているという、ユーザーの好みの進化にも対応しています。料理中や運動中、マルチタスク中など、タイピングが現実的ではない、あるいは望ましくない環境では、音声によるやり取りがゲームチェンジャーとなる可能性があります。トーンや強調の変化など、話し言葉のニュアンスを解釈する能力により、従来のチャットボットと比較して、会話がはるかに魅力的なものになります。OpenAIは、機械のコミュニケーションが人間のコミュニケーションに極めて近い、AIの未来の舞台を明らかに設定しています。

ユーザーは、それぞれにユニークな個性を持つ9つの異なる出力音声から選択することができます。「Arbor」（気さくで多才）や「Ember」（自信に満ち、楽観的）といったオプションは、自然界の要素から着想を得たもので、リラックスしたパーソナライズされた体験を求めるさまざまなユーザーの好みに応えるものです。この多様な選択肢により、ユーザーは、穏やかなパートナーを求めているか、あるいはより熱狂的なガイドを求めているかに関わらず、特定のニーズに適した音声プロファイルを見つけることができます。

「OpenAIの最高製品責任者であるケビン・ウェイル氏は、『今後数週間のうちに、この音声機能が無料プランのユーザーにも展開される予定です』と述べています。ただし、当初は有料プランのユーザーに限定されます」と述べました。 PlusとTeamのプランのユーザーには1日の音声使用制限が設けられ、OpenAIは1日の音声インタラクションの残り時間が15分となった時点で通知します。一方、無料ユーザーには、この機能を直接体験できる月1回のプレビューが提供され、革新的なツールを誰もが利用できるようにするというOpenAIの包括的なアプローチが強調されます。

無料ユーザーにも展開に含めることは、OpenAIの包括性への献身を反映しています。月1回のプレビューは、すべてのユーザーが、契約に関係なく音声対話を体験できるように設計されています。この戦略により、エンゲージメントが向上するとともに、OpenAIは貴重なフィードバックを収集して、この機能を改良し改善することができます。

アドバンスドボイスモードの拡大は、直感的なAIを通じてユーザーエンゲージメントを強化するというOpenAIの取り組みに沿ったものです。無料とプレミアム体験のギャップを埋めることで、OpenAIはAI機能を誰もが利用できるようにすることを目指しています。ウェブに音声対話を追加することで、教育、カスタマーサービス、カジュアルなコミュニケーションなど、さまざまな分野でエンゲージメントの向上を目指しています。例えば、学生は口頭で質問することができ、顧客は問題を自然に解決することができ、利便性が大幅に向上します。

この新しい機能に対する期待が高まる一方で、1つの声が目立って欠けている。「スカイ」の声である。2024年5月、自身の肖像権を無断使用されたとして訴えたスカーレット・ヨハンソンの法的問題により、この声は削除された。この声は大きな論争を巻き起こした。「OpenAIは迅速にこの声を削除し、『いかなる類似性も全くの意図的ではないことを明確にしておきたい』と述べた。この事件は、音声モデルの開発にまつわる倫理的な複雑性を浮き彫りにし、OpenAIは今後より慎重なアプローチを取ることを余儀なくされました。

「Sky」の音声を取り巻く論争は、AI音声開発における倫理的配慮の重要性を浮き彫りにしました。それ以来、OpenAIは、すべての音声モデルがプライバシーと知的財産権を尊重することを保証し、社内規定を見直し、プロトコルを改善しました。この事件は、OpenAIの透明性と倫理的な開発への取り組みを強化し、ユーザーと利害関係者の両方を安心させました。

今回の最新アップデートは、AIとのより没入感のある人間らしいコミュニケーションに向けた大きな前進です。音声ベースの対話により、文字入力よりも会話の方が直感的だと感じるユーザーにとって、ChatGPTがより利用しやすくなるでしょう。ユーザーとの対話に新たな次元を加えることで、OpenAIはAIとのコミュニケーションが人と話すのと同じくらい自然に感じられる未来への道筋を作っています。「当社の目標は、無料プランのユーザーに音声機能を提供することです」と、ケビン・ウェイル氏は繰り返し述べました。これは、高度なAIツールを誰もが利用できるようにするという広範なミッションの一環です。

AI技術が進化するにつれ、テキストまたは音声による自然なコミュニケーション能力が、これらのシステムを日常生活にシームレスに統合するための鍵となります。高度な音声モードのウェブ公開は、AIをより応答性が高く、ユーザーフレンドリーなものにする上で重要な節目であり、より豊かで、より現実的な対話の舞台を整えるものです。自然な会話へのこの取り組みは、AIがやがて日常的なパートナーとなり、基本的な問い合わせだけでなく、より複雑で感情的なニュアンスを含むシナリオにおいても支援的な存在となることを意味します。ユーザーが気軽なチャット、教育的な問い合わせ、カスタマーサービスとのやり取りのいずれを行う場合でも、AI音声技術の進歩は、これらのやり取りを可能な限りシームレスで楽しいものにすることを目的としています。