OpenAIは現地時間木曜日、ChatGPTデスクトップアプリを更新し、ChatGPT Voiceへの対応を追加したと発表しました。ユーザーは音声で直接ChatGPTと会話し、AIエージェントを操作して、コンピューター上でさまざまなタスクを実行させられるようになります。
この新機能は、OpenAIの新しい音声モデルシリーズであるChatGPT-Liveを基盤としています。OpenAIは今月初めにこのシリーズのモデルを発表しました。
OpenAIによると、ChatGPT VoiceはChatGPT WorkとCodexの両方に対応し、コンピューター操作機能も呼び出して、ユーザーによるウェブサイトやアプリへのアクセスを支援できます。macOSでは、Appshotsを利用することで、ユーザーはChatGPTに画面上のコンテンツへのアクセスを許可できます。これには代替テキスト（alt-text）も含まれます。
ChatGPT Voiceのモバイル版は提供開始時、よりスムーズな音声対話体験の実現と、ユーザーがAIを中断した際の処理改善を主な目的としていましたが、当時はスマートフォン上で直接操作を実行することはできませんでした。
今回のデスクトップ版アップデートでは、より高度な実行能力が実現されています。ユーザーは音声でChatGPTに複数ステップを含む複雑な指示を出し、ChatGPTが情報の提供や確認を必要とした際には、すぐに応答できます。
デモ動画では、OpenAIが、開発者が一つの指示だけでChatGPTに新しいコードスレッドを作成させ、Pull Requestを送信し、さらにバグの根本原因を特定させる様子を紹介しました。
OpenAIはまた、ユーザーがiOSアプリのリモートアクセス機能を通じて、CodexでChatGPT Voiceを利用できると説明しています。
AnthropicもClaudeの音声モードを更新しました。この機能はAnthropicのOpus、Sonnet、Haikuモデルを呼び出し、Gmail、Calendar、Slack、Notion、Canvaなどのアプリでさまざまなタスクを実行できます。