Voice conversations (音声会話)

GPT-Live を基盤とする ChatGPT Voice を使うと、ChatGPT デスクトップアプリの Chat、Work、Codex で、アイデアを話しながら整理したり、タスクを調整したりできます。タイピングに戻らずに、作業の開始、進捗の確認、方向の変更ができます。Codex CLI のターミナル画面 (TUI) でも、/voice による音声会話を使えます。

ChatGPT Voice は GPT-Live を基盤とする音声機能で、ChatGPT デスクトップアプリの Chat、Work、Codex で使えます。既存の Codex タスクで使うと、そのタスクの会話と選択中のモデルで依頼を実行します。

声で別の Codex タスクに切り替え、あとで元のタスクに戻ることもできます。切り替え先のタスクは、音声に対応していて、接続中のホストで利用できる必要があります。ChatGPT デスクトップアプリ全体で、同時に使える音声チャットは 1 つだけです。

• 以前の音声チャットを再開するには、その会話を開いて Start voice chat (音声チャットを開始) を選びます。
• ショートカットは Settings (設定) > Voice (音声) > Voice chat hotkey (音声チャットのホットキー) で設定できます。
• macOS では、Settings (設定) > Voice (音声) で Screen context (画面コンテキスト) をオンにし、「Take a look at this.」と話しかけると、ChatGPT が最前面のウィンドウの appshot を撮ってコンテキストとして使います。appshot には、ウィンドウの画像とアクセス可能なテキストが含まれる場合があり、画面に表示されていないスクロール範囲の外の内容も含む場合があります。

Codex CLI の TUI では、WebRTC によるライブ音声会話を使えます。/voice の会話には、ライブ文字起こしとマイク操作があり、音声のミュートショートカットと録音中のインジケーターも備わっています。

Codex CLI 0.156.0 で音声会話は既定で有効になり、F8 キーでオン・オフを切り替えられます。/voice 設定ピッカーでは、今後の会話で使う音声を選べます。同じバージョンで、Linux と Windows 向けの音声ランタイムが同梱されました。

• ChatGPT Voice は、ChatGPT デスクトップアプリの Chat、Work、Codex で、指示するタスクと同じ権限 (permissions) に従います。
• 最前面のウィンドウの appshot をコンテキストとして使う機能は、組織で無効にできます。
• アプリ内の音声には、管理された機能ゲート (managed feature gate) があります。
• 音声会話は Background Conversations の設定に従います。
• 音声会話で使うマイク、スピーカー、マイク入力チャンネルの設定は、ローカルに保存されます。
• 音声会話では利用上限の警告が表示されます。

対象プランは、公式のリリースノートには記載がありません。

ChatGPT デスクトップアプリで音声会話を始める流れです。

1. ChatGPT デスクトップアプリで、話したい Codex タスクを開きます。新しいチャットやタスクを始めてもかまいません。
2. 既存のタスクでは Start voice chat (音声チャットを開始) を、新しいチャットやタスクでは Start new voice chat (新しい音声チャットを開始) を選びます。
3. 初めて音声チャットを始めるときは、マイクへのアクセスを許可し、音声を選びます。macOS では screen context (画面コンテキスト) も確認します。
4. 話し始めます。終わったら Stop voice chat (音声チャットを終了) を選びます。