OpenAIは、ChatGPTデスクトップアプリに音声コントロール機能「ChatGPT Voice」を追加しました。

この新機能は、今月発表された新しい音声モデルファミリー「ChatGPT-Live」を活用しており、ユーザーは音声でAIエージェントを操作したり、コンピューター上でタスクを実行したりできるようになります。

ChatGPT Voiceは、ChatGPT WorkおよびCodexと連携し、ウェブサイトやアプリの検索なども可能です。macOSでは、画面の内容にアクセスできる「Appshots」機能も利用できます。

以前のスマートフォン版では、会話の流暢さや割り込み処理は改善されていましたが、スマートフォン上でのアクション実行には対応していませんでした。一方、今回のデスクトップ版アップデートでは、複雑な複数ステップのコマンドを指示したり、ChatGPTからの入力要求に応答したりする能力が向上しています。

デモでは、開発者が一つのコマンドで新規スレッド作成、プルリクエスト送信、バグの原因特定などをChatGPTに指示する様子が示されました。

ChatGPT Voiceは、CodexにおいてはiOSアプリからのリモートアクセスでも利用可能です。

競合のAnthropicも、Claudeの音声モードをアップデートし、Opus、Sonnet、Haikuモデルを使用してGmail、Calendar、Slackなどのアプリ内タスクを実行できるようにしています。