2026年7月公開のGPT-Live解説に、9月に始まったAPI提供（1分0.05ドル）や業種別の活用イメージ、よくある疑問への回答を加筆した最新版です。
2026年7月、OpenAIはChatGPTの音声機能を刷新する新しいモデル「GPT-Live」を公開しました。これまでの音声対話との違いをひとことで言えば、「順番に話す」から「同時にやり取りする」へと、会話の質そのものが変わった点です。さらに9月10日には開発者向けのAPIが正式に始まり、企業が自社の電話窓口やアプリに組み込めるようになりました。
本記事では、GPT-Liveの特徴、APIの料金の正しい見方、業種別の活用イメージ、そして電話対応にAIを使うときに押さえておきたいルールまでを整理します。
1. 「聞きながら話す」全二重という考え方
従来の音声AIは、こちらが話し終えるのを待ってから返事をする、いわば「トランシーバー」のようなやり取りでした。GPT-Liveは、聞くことと話すことを同時に行う「全二重（フルデュプレックス）」という仕組みを取り入れています。相手の話を聞きながら相づちを打ち、途中で割り込まれれば自然に応答を切り替え、こちらが考え込んでいる間は静かに待つ。人同士の会話の「間」に近い感覚が生まれます。
比較項目 | 従来の音声AI | GPT-Live |
|---|---|---|
会話の方式 | 半二重（交互に話す） | 全二重（同時にやり取りする） |
割り込み | 基本的にできない | 自然に割り込み、応答を切り替えられる |
相づち | ほとんどない | 話を聞きながら返す |
電話窓口のように、「待たされる感覚」がそのまま満足度に響く場面では、この違いが体感として大きく効いてきます。
2. ChatGPTで使えるモデルと仕組み
ChatGPTでは、発表の時点で、有料プラン（Go・Plus・Proなど）では「GPT-Live-1」が、無料プランでは軽量版の「GPT-Live-1 mini」が音声の標準モデルになると案内され、それまでの音声モードに代わる新しい標準になりました。音声で使える時間の上限や、どのモデルが使われるかはプランごとに異なり、その後も見直されています。社内で使う前には、OpenAIのヘルプセンターで最新の条件を確認しましょう。
特徴的なのは役割分担です。GPT-Liveは会話のテンポを保つ「声の担当」で、深い調べ物や複雑な作業が必要になると、裏側の高性能なモデルに引き継いで答えを持ち帰ります。会話は軽やかに、難しい部分は後ろで支える、という設計です。
3. 9月の続報：GPT-Live-1のAPIが正式に提供開始
2026年9月10日、OpenAIは「GPT-Live-1」を開発者向けのAPIで提供し始めました。これにより、ChatGPTのアプリの中だけでなく、企業が自社のアプリや電話のシステム、コールセンターの仕組みに、全二重の音声会話を組み込めるようになりました。API向けには、新たに12種類の声が用意されました。
つなぎ方も複数あります。ブラウザで動くアプリ向けの方式（WebRTC）、自社のサーバーで音声を受け渡す方式（WebSocket）に加えて、電話の仕組みとつなぐための方式（SIP）も案内されており、電話窓口のAI化を想定した作りになっています。なお、APIで同時に進められる会話の数には上限があり、利用の実績に応じた段階ごとに、同時50〜500件といった枠が決められています。APIの無料の段階では使えません。大きなコールセンターで使う場合は、繁忙時間に何件の通話が重なるかを先に見積もっておきましょう。
APIでも、「声の担当」と「考える担当」は分かれています。GPT-Live-1が会話を受け持ち、考える必要がある部分は、開発者が選んだ別のAIモデル（裏側のモデル）に引き渡す仕組みです。どのモデルを組み合わせるかで、答えの質と費用が変わります。
4. 料金の正しい見方と試算
GPT-Live-1のAPIの料金は、1分あたり0.05ドル（1秒単位の課金）です。ただし、これは「声の担当」の料金です。裏側で考えるAIモデルの利用料や、外部のツールを呼び出す費用は、別にかかります。ここを見落とすと、試算が実際より安くなってしまいます。
OpenAIの開発者向けの資料では、計算の例として、90秒の会話なら声の分が0.075ドル、そこに裏側の利用料0.02ドルを足して合計0.095ドル、という形が示されています。つまり、合計は「声の秒数÷60×0.05ドル＋裏側の費用」で考えます。ブラウザ向けの方式では、会話を始める準備の段階で15秒分が先に計上されますが、会話が始まればその分は差し引かれるため、二重にはかかりません。
想定 | 声の担当の料金（0.05ドル／分） | 別にかかるもの |
|---|---|---|
1日30分×20営業日（月600分） | 約30ドル | 裏側のモデルの利用料、電話回線や仕組みの費用 |
1日100件×平均2分×20営業日（月4,000分） | 約200ドル | 同上。件数が増えるほど裏側の利用料も増える |
人件費と単純に比べられるものではありませんが、「営業時間外の一次対応」のように、これまで人を置いていなかった時間帯を補う使い方なら、比較的小さな費用で新しい窓口を持てます。試算するときは、声の料金に加えて、裏側のモデルの料金と、電話の仕組みを作る初期費用も含めて見積もりましょう。
5. 業種別の活用イメージ
- 小売・店舗：営業時間や在庫の有無といった定型の問い合わせに、電話口ですぐ答える一次対応
- クリニック・サロン：予約の空き状況の確認や、簡単な予約の受付を自動化し、受付の負担を減らす
- 不動産：内見の日程調整や、物件の基本情報（家賃・間取り・最寄り駅など）の案内
- 飲食店：営業時間外の予約電話を受け、翌営業日に人が折り返す前提で要点を記録する
- 観光・接客：会話しながらの翻訳を生かし、外国人のお客様への基本的な案内に使う
共通しているのは、「定型的な一次対応をAIが引き受け、個別の判断が必要な部分だけ人に引き継ぐ」という役割分担です。
特に期待が大きいのが、言葉の壁がある場面です。外国人観光客への店頭での案内、海外の取引先との簡単なやり取り、外国人スタッフへの業務の説明など、「言葉が通じないことで機会を逃していた」場面に、新しい選択肢が生まれています。会話しながら訳す使い方では、相手の話を聞きながら返せる全二重の仕組みが、会話のぎこちなさを減らしてくれます。ただし、契約の条件や金額など、誤訳が許されない内容は、書面で確認し直す運用を組み合わせましょう。
6. 電話対応にAIを使うときのルール
電話はお客様との最初の接点になることが多いため、技術よりも運用のルールが成否を分けます。
- AIが対応していることを伝える：自然な会話ができるからこそ、冒頭で「AIが対応しています」と案内しておくと、あとで不信感を生みにくい。欧州では、AIと会話していることを利用者に知らせる義務を含む、EUのAI法の透明性のルールが2026年8月から適用されている（2026年7月に施行された規制の見直しでは、高リスクのAIの規制の開始が延期されたが、この義務は延期の対象になっていない）。海外のお客様がいる会社は特に注意する
- 録音と記録の扱いを決める：通話を記録する場合は、そのことを案内し、記録の保存期間や、誰が見られるかを決めておく。記録には個人情報が含まれることが多い。APIの開発者向け資料では、録音は限られた期間だけ保存され、データを保存しない設定（ゼロデータ保持）にすると保存されないと説明されているので、自社の方針に合わせて選ぶ
- 引き継ぎのルールを決める：AIが答えられないときや判断に迷ったときに、誰に、どのタイミングで引き継ぐかを決めておく
- お金や本人確認は人が行う：金額や契約、個人情報の確認が必要なやり取りは、人が担当する
- なりすましへの備え：自然な音声を作れる技術は、声によるなりすまし詐欺にも使われ得る。社内でも「電話の声だけで送金や重要な判断をしない」ルールを徹底する
これらは技術の設定というより、社内の運用ルールとして言葉にしておくべき部分で、非エンジニアの担当者が主体となって整えられる領域です。
7. 導入の3ステップとよくある疑問
- 任せる範囲を決める：AIに任せる問い合わせ（営業時間の案内、簡単な予約受付など）と、人が対応する範囲（クレーム、お金に関わる相談など）を線引きする
- 小さく試す：営業時間外など、時間帯や用件を限定して試験的に導入する
- 効果を測って広げる：対応できた件数、人への引き継ぎが必要だった件数、お客様の反応を記録し、効果が見えた範囲から広げる
「8割の定型的な問い合わせに対応できれば十分」という現実的なゴールを置き、残り2割を人が拾う体制にしておくと、導入がスムーズです。
Q. 人間と区別がつかないほど自然なのか？：会話のテンポや相づちの自然さは大きく向上していますが、完全に見分けがつかないと保証されているわけではありません。AIが対応していることは案内する運用がおすすめです。
Q. 日本語以外にも使えるのか？：多言語での会話や翻訳のような使い方も想定されていますが、精度は言語ごとに差があります。重要な場面で使う前に、実際に試して確かめましょう。
Q. 今の電話番号やシステムにつなげられるのか？：API経由での連携が前提です。電話の仕組みとつなぐ方式（SIP）も用意されていますが、既存の電話回線や顧客管理のシステムと組み合わせるには、開発の知識を持つ人やベンダーの協力が必要になることが多いでしょう。
Q. AIが答えを間違えたら、どうなるのか？：自然に話せても、答えの正しさが保証されるわけではありません。営業時間や料金など、正解が決まっている情報は、AIに渡す資料として最新の内容を用意しておき、資料に無いことは「担当者から折り返します」と答える設定にしておくと、誤った案内を減らせます。
8. 導入前のチェックリストと、導入後の改善
検討を始める前に、次の点を確認しておくと導入がスムーズです。
- AIに任せる範囲と、人が対応すべき範囲の線引きができているか
- 対応した内容を、後から人が確認できる記録の仕組みがあるか
- 声の料金だけでなく、裏側のモデルと電話の仕組みの費用まで試算したか
- 「AIが対応しています」という案内の言い方を統一しているか
- AIが答えられなかったときの引き継ぎ先と、折り返しの約束の仕方を決めているか
導入した後も、やり取りの記録を定期的に見直し、聞き取りにくかった質問や、うまく答えられなかったケースを洗い出して、案内の内容や引き継ぎのルールを改善していきます。この「記録を見て直す」運用の積み重ねが、AIの電話対応の質を育てていきます。
9. まとめ
- GPT-Liveは、聞きながら話す全二重の音声モデル。割り込みや相づちが自然になり、会話の「間」が人に近づいた
- 2026年9月10日にAPIが正式に始まり、自社の電話窓口やアプリに組み込めるようになった
- 料金の1分0.05ドルは「声の担当」の分だけ。裏側で考えるモデルの利用料は別にかかる
- 定型の一次対応をAIに、判断が必要な部分を人に。AIが対応していることの案内、記録の扱い、引き継ぎのルールを先に決める
- 任せる範囲を決め、時間帯を限って試し、効果を測って広げる
参考資料
