ChatGPTの高度な音声モードがデスクトップ版に対応、MacとWinで利用可能に

スマートフォンに向かってAIと話すのは、どこか独り言のような気まずさがありました。しかし、PCの前でキーボードを叩きながら、声だけでアイデアをぶつけ合えるとなると、話は全く別です。

OpenAIは、ChatGPTの「高度な音声モード（Advanced Voice Mode）」を、macOSおよびWindows向けのデスクトップアプリに提供開始しました。これまでiOSとAndroidのモバイル端末に限定されていた機能が、ついにPC環境へやってきました。

画面の前で声を使って共同作業する

利用するには、ChatGPTのデスクトップアプリを最新バージョンにアップデートする必要があります。テキスト入力欄の横に新設された波形アイコンをクリックするだけで、音声会話が始まります。

今回の展開に合わせて、Vale、Spruce、Arbor、Maple、Solという5つの新しい音声が追加されました。それぞれ声の高さやトーン、アクセントが異なり、より自然なトーンで会話できます。

この機能は5月のイベントで発表され、9月から順次展開されてきたものです。感情を込めた返答や声色の変化、会話の途中で遮って質問を挟むといった、生身の人間のようなやり取りが可能です。

PC上で使えるようになったことで、実務への応用がぐっと現実味を帯びてきました。コーディング中に口頭で指示を出して壁打ち相手にしたり、レポートの構成を相談したり、あるいはデータファイルをドラッグ＆ドロップして音声で分析結果を聞き出すといった使い方ができます。

ただし、誰でも使えるわけではありません。現在はChatGPT PlusおよびTeamの有料プラン契約者のみが対象です。また、EUや英国、スイス、ノルウェーなどの一部欧州地域では提供が見送られています。

主戦場はスマホからデスクトップへ

興味深いのは、同じ日に競合のAnthropicもMacおよびWindows向けの公式アプリを公開した点です。同社はPC画面を操作できる「Computer Use」機能の足がかりを固めつつあります。また、Googleもチケット予約などを代行するエージェント型ツールの開発を進めていると報じられています。

AI各社が、ブラウザやスマホアプリの枠を超え、作業の現場であるPCデスクトップへと一斉に舵を切り始めています。

なぜ重要か

日常的にPCで作業するプログラマーやリサーチャーにとって、この機能の価値は大きいです。作業中にスマホを手に取る必要がなくなり、画面上のファイルについて話しながら思考を整理できるため、ワークフローが途切れません。すでに有料プランを契約しているなら、すぐに試す価値があります。

業界全体で見れば、AIの競争が「画面の中のチャット」から「作業環境の統合」へと移ったことを示しています。スマホOSの厳しい制約とは違い、デスクトップはファイル操作やマルチタスクが基本であり、AIエージェントにとって最も実用的な土台だからです。

今回のOpenAIの動きは利用頻度を高める上でスマートですが、限界も見えます。AnthropicがPCの操作そのものを肩代わりしようとしているのに対し、OpenAIの音声モードは依然としてアプリの枠内で喋っているだけに過ぎません。声は驚くほど人間に近づいたものの、PC上で実際に手を動かす存在になるには、まだ少し距離があるように思えます。