OpenAI、スマホへの「思いつきのつぶやき」を推奨

OpenAIは、激しい競争が繰り広げられているパーソナルエージェント市場への参入をさらに進めています。今回は音声での展開です。

同社は水曜日、ChatGPTのウェブサイトとモバイルアプリに最も高度な音声システムを追加します。OpenAIのこのリリースにより、ユーザーは複数のステップ、ブラウザ、および異なるアプリを必要とする単発のタスクや繰り返しのタスクを、話しかけるだけで委任できるようになります。同社は、来週開催される大規模なイベントOpenAI DevDayを前に、相次いで新機能を発表しています。

ChatGPT音声担当のプロダクトリードであるAtty Eleti氏は、Business Insiderに対してデモを行いました。彼はアプリに話しかけるだけで、このツールにDoorDashの支出を分析させ、ピックルボールのコート予約のために5ドルを支払い、カレンダーを再調整させました。

「将来的には、人々がAIとやり取りする際の主要な手段として音声を利用するようになると確信しています」とEleti氏は述べ、「それが私たちが目指している、いわば北極星（指針）です」と語りました。

業界が煩雑なインターネット上のタスクを処理するために調整されたアプリを売り込む中、InstinctのようなパーソナルAIアシスタントやMetaのMuseがシリコンバレーで注目を集めています。OpenAIはChatGPTですでにこれらの機能の多くを備えていますが、まだ特定の用途に絞った派生版はリリースしていません。今回の音声ツールは、AIアシスタントのブームを狙ったものです。

短期的には、これらの改良により、外出先でも話しかけることでChatGPTに仕事を依頼しやすくなります。長期的には、これらはOpenAIのハードウェアへの野心に貢献するでしょう。Bloombergは、同社が2027年の発売に向けてスマートスピーカーを開発中であると報じています。

水曜日のリリースでは、OpenAIの音声モデルであるGPT-Liveが、コンピュータやブラウザ上でタスクを実行できるAIモデルに接続されます。これはパーソナルAIエージェントのブームが起こる前から同社が注力していた分野です。聞き取りと応答を同時に行えるGPT-Liveは、すでにChatGPTの基本的な会話モードで有効になっており、デスクトップアプリ上のエージェントモデルにも接続されていました。

Eleti氏の見解では、音声モードには3つの主な利点があります。話すことは迅速で自然です。「考えをそのまま口に出せます」と同氏は言います。デバイスから手を離した状態でも操作可能です。また、語学学習やスピーチの練習など、音声に関わるタスクにも役立ちます。Eleti氏や同僚たちは、通勤中や散歩中にこれを利用しているそうです。

Eleti氏によると、すでに1億5,000万人以上の人々がChatGPTの文字起こしや音声モードツールを利用しています。それでも、チームは苦戦を強いられています。スマートスピーカーはある程度の普及を見せているものの、オフィス環境はいまだにデスクトップコンピュータを中心に構成されているからです。

さらに、入力するよりも話す方が早い一方で、聞くよりも読む方が早いという側面もあります。Eleti氏は、ChatGPTが音声プロンプトにどのように応答すべきかを決定する際、チームはこの力関係を考慮したと述べました。

「私たちは、これを単なる音声入力と音声出力の組み合わせとは考えていません」とEteli氏は言います。「音声で入力し、適切な形で出力を返すことが重要です。テキストの場合もあれば、音声の場合もあり、その混合になることもあります。」

情報をお持ちですか？この記者のメールアドレスscouncil@businessinsider.com、またはテキスト、Signal、Telegram、WhatsApp（415-757-8198）までご連絡ください。個人のメールアドレス、職場以外のWiFiネットワーク、および職場以外のデバイスを使用してください。情報を安全に共有するためのガイドはこちらです。