OpenAI、音声対話向け「gpt-realtime-1.5」をRealtime APIに追加

リアルタイム音声AIのデモは魅力的ですが、実際の運用現場では、モデルが複雑な指示を見失ったり、外部ツールの呼び出しに失敗したりすることが珍しくありません。OpenAIはその課題の解消に動きました。

指示追従とツール呼び出しの精度向上

OpenAIは、Realtime APIに新モデル「gpt-realtime-1.5」を追加しました。

公式発表によると、今回のアップデートは音声ワークフローの強化を目的としています。従来のモデルに比べ、指示追従の信頼性、ツール呼び出し（Tool Calling）、そして多言語での精度が向上しました。

開発者はこのAPIを利用し、低遅延な音声対話を行いながら、外部関数やバックエンドシステムを安定して操作する音声エージェントを構築できます。

なぜ重要か

音声AIは、単なる雑談相手から実務を代行するエージェントへと役割を変えつつあります。

カスタマーサポートや業務システムで音声AIを活用するには、発話が自然なだけでなく、対話の流れで確実にツールを起動できる正確さが欠かせません。

今回の更新は小幅なアップデートに見えますが、開発者が実運用で直面する最大のネックに直接手を打った形です。多言語精度とツール呼び出しの安定性が向上したことで、現場で実用的な音声アプリケーションの導入がさらに進むと考えられます。