フルデュプレックス機能、すなわち聞き取りと発話を同時に行えるGPT-Live音声AIモデルを発表してから2週間後、OpenAIはこの技術を開発者のワークフローに直接組み込もうとしている。

同社は、GPT-LiveがmacOSおよびWindows向けChatGPTデスクトップアプリを支えるようになったと発表した。ChatGPTデスクトップアプリ内で利用できる別個の体験であるCodexやChatGPT Workなどのエージェント型システムと統合される。

OpenAIは2026年7月8日にGPT-Liveを初めて公開し、聞き取りと発話を同時に行える連続音声モデルを披露した。この設計により、硬直的な発話の順番待ちをなくしながら、複雑な推論はGPT-5.5のようなバックグラウンドモデルに委ねる。今回の最新リリースでは、その会話レイヤーを技術的タスクへ拡張し、ソフトウェアエンジニアが自然な音声コマンドを使って、マルチスレッドのコーディング作業の編成、プルリクエストのレビュー、アプリケーションのデバッグを行えるようにする。

このアップデートは、CodexとChatGPT Work全体で週次アクティブユーザーが1,000万人を超える利用者に対し、ハンズフリーのソフトウェア開発、さらには対面でのライブグループコーディングセッションという新たな時代をもたらす可能性がある。CodexはOpenAIがコーディングに重点を置いたモデル群とハーネスに付けた名称だが、同社は今年、これをより広範な生産性プラットフォームへと拡張している。OpenAIの広報担当者はVentureBeatに対し、今回がこれらのエージェント型コーディングツールに音声起動が統合された初めての例だと述べた。この動きは、AI支援コーディング市場がますます混み合う中で打ち出された。GitHub Copilot、AnthropicのClaude、GoogleのGeminiはいずれも自律的な開発機能を拡張しているが、コーディングエージェントの主要な操作インターフェースとしてフルデュプレックス音声を導入した例はまだない。

OpenAIは、Codexの開発者体験エンジニアであるJason Liu氏と、Codexの技術スタッフであるGuinness Chen氏が同じ部屋で同一のChatGPTデスクトップアプリセッションに話しかけるプロモーション動画を投稿した。2人はそれぞれ異なる指示を出し、同じモデルと同時に会話していた。

統合の仕組み

この統合の中核にあるのは、リアルタイム音声レイヤーを基盤となる実行エンジンから切り離すことだ。GPT-Liveは、ユーザーの発話を遮らずに「got it」のような自然な口頭での応答を挿入しながら滑らかな会話を維持し、重い計算処理はバックグラウンドの推論モデルに渡す。

macOSでは、デスクトップアプリに「Appshots」と画面コンテキスト機能が組み込まれており、ChatGPT Voiceは最前面のウィンドウを、ローカルファイル、コードベース構造、アクティブなプラグインとあわせて分析できる。このアーキテクチャにより、開発者が会話形式で問題を説明し、その一方でエージェントが非同期にタスクを実行するペアプログラミングのような関係が生まれる。

詳細な指示を入力したりウィンドウを切り替えたりするためにコーディングセッションを中断するのではなく、開発者はシステムを完全にハンズフリーで指示できる。フルデュプレックスエンジンは、いつ話すか、いつ一時停止するか、いつツールを呼び出すかを動的に判断し、バックグラウンドのエージェントが複雑なコード変更を処理している間も会話状態を維持する。

音声で指示するコーディングと複雑なビルド

今回のアップデートの中心的な機能は、CodexとChatGPT Workの環境をまたいだマルチタスク実行だ。ソフトウェアエンジニアは、1つの音声プロンプトから複数のタスクスレッドを同時に開始できる。たとえば、ある機能のリリース準備をしている開発者は、未解決の認証バグの調査、保留中のAPI移行プルリクエストのレビュー、不足している単体テストの生成を同時に行うようシステムに指示できる。

デスクトップアプリは、Slackの会話、GitHubリポジトリ、ローカルコードベースを通じて問題を追跡し、これらの操作を異なるコンテキスト間で調整する。開発者はデザインモックアップを音声で動作するコードに変換し、フロントエンド、バックエンド、テストの各レイヤーにタスクを分割することもできる。

マルチフォルダープロジェクト（build 26.715）とiOS経由のリモート実行に対応したことで、エンジニアはアプリケーションを切り替えたり、個別のプロセスを一行ずつ管理したりすることなく、タスクの進捗確認、エージェントからのプロンプトへの応答、実行中ジョブの方向転換を行える。

独自ライセンスモデル

OpenAIの音声対応デスクトップリリースは、独自仕様の商用エンタープライズモデルとして運用される。アクセスはPlus、Pro、Business、Enterprise、Educationの各プランの有料サブスクライバーに限定される。

個人開発者や企業のエンジニアリング部門にとって、これはモデルの重み、音声処理パイプライン、エージェント状態アーキテクチャが完全にクローズドなままであることを意味する。組織は基盤システムを改変したりセルフホストしたりすることはできない。ChatGPT Voiceを通じて開始されたタスクは、既存のCodexおよびChatGPT Workプランの割り当てから標準の利用枠を直接消費し、音声で起動された操作は通常のエージェント型ワークロードと同じ扱いとなる。このクローズドなアプローチは、MetaのCode LlamaやDeepSeekのCoderなどの競合が提供するオープンウェイトのコーディングモデルとは対照的だが、これらの代替モデルは、OpenAIが展開している統合型の音声エージェント機能にはまだ及んでいない。

コミュニティの反応

開発者コミュニティは、継続的なフルデュプレックス音声が自律型コーディングワークフローにもたらす意味合いに即座に注目した。音声統合とマルチフォルダープロジェクト対応の詳細を示すbuild 26.715のリリース発表に反応し、AI Insiderのジャーナリストである@ChrisGPTはXに投稿した: "Today OpenAI will release voice and remote guidance for codex ! One step closer to personal AGI".

初期の技術的フィードバックでは、特にワークステーションから離れている時やビルドパイプラインをリモートで管理している時に、複雑なエージェント型タスクをハンズフリーで編成できることへの幅広い期待が示されている。一方で今回のリリースは、音声で開始されたエージェントが従来のキーボードを介した監督なしにリポジトリを変更し、ビルドパイプラインをトリガーできるようになる中で、エンジニアリングチームがコードレビュー基準、企業のセキュリティポリシー、監査証跡をどのように適応させる必要があるのかという実務上の課題も浮き彫りにしている。