ChatGPT Voice の Live・Advanced・Standard を比較してみた

はじめに

ChatGPT Voice に GPT-Live-1 が追加されましたが、ChatGPT Voice 自体、私は触ったことがありませんでした。今回、Live、Advanced、Standard を触り比べて、音声モデルごとの違いをまとめます。
しっかりしたベンチマークではなく、実際に数分ずつ話してみた体感の記録です。

結論

結論から言うと、壁打ちや考えの整理、リアルタイムな会話を求めるなら Live、画面共有や動画を使う相談をしたいなら Advanced が向いています。

• Live は、内部で GPT-Live-1 が動いているモードです。Advanced よりも応答が速く、話している途中でも割り込みやすいのが特徴です。会話の自然さは、これまでのモデルより一段上がった印象でした。
  インテリジェンスの設定を変えれば、すぐ答えるか少し考えてから答えるかを切り替えられるのも便利でした。
• Advanced は、公式ヘルプではこれまでのリアルタイム音声体験という位置づけです。会話の自然さでは Live に一歩譲るものの、実用的なリアルタイム音声体験だと思いました。
  ビデオや画面共有で、外の景色やスマートフォンの画面をリアルタイムに送れるのも大きな特徴です。これができるのは、今のところ Advanced だけです。
• Standard の内部では、音声認識 → テキスト LLM → 音声合成という3段構成で処理が進みます。旧世代寄りの音声体験で、応答にかなりラグがあり、正直なところ使いづらいと感じました。用途としては、音声入力とほとんど変わらない印象です。
  会話中に文字が見えなかったり、こちらから文字を打てなかったりする UI 面の使いにくさもありました。

今までの音声モデルとの違い

ChatGPT Voice の設定では、Live、Advanced、Standard を選べます。
この 3 つは ChatGPT Voice の音声モードの名前で、設定画面では「モデル」という項目名で選びます。

GPT-Live-1 は、2026 年 7 月 8 日に OpenAI が発表した音声モデルファミリー「GPT-Live」の第 1 世代です^[1]。
iOS、Android、ChatGPT.com にグローバル展開されており、有料プランでは GPT-Live-1 が、Free プランでは GPT-Live-1 mini がデフォルトになっています^[1:1]。

Standard: 文字起こしを挟むターン制の 3 段構成

Standard は、音声認識 → テキスト LLM → 音声合成という 3 段構成で、話した内容を一度文字起こししてから返答するターン制の音声体験です。
公式ヘルプでも、返答を生成する前に音声を文字起こしすると説明されています^[2]。音声で入力していても、内部の処理はテキストチャットとほぼ同じです。

Advanced: これまでのリアルタイム音声体験

Advanced は、公式ヘルプでは「これまでのリアルタイム音声体験」と説明されています^[2:1]。
過去のリリースノートでは GPT-4o mini による Advanced Voice の改善にも触れられていますが^[3]、現在の公式ヘルプでは Advanced の内部モデル名までは明記されていません。

公式発表によると、Live は現時点で動画や画面共有に対応しておらず、対応は開発中とされています^[1:2]。
モバイルで動画や画面共有を使いたい場合は、現時点では Advanced を選ぶことになります。

Live: 聞くことと話すことを同時に行うフルデュプレックス構成

Live の一番大きな違いは、アーキテクチャそのものです。
公式発表では、GPT-Live はフルデュプレックス（全二重）構成で、人間同士の会話のように聞くことと話すことを同時に行えると説明されています^[1:3]。

さらに、話すか、聞き続けるか、間を置くか、割り込むかの判断を 1 秒間に何度も行うとされています。
ChatGPT が話している途中にこちらが補足しても会話が崩れないのは、この仕組みによるものです。相槌を打ったり、こちらが考えをまとめている間は黙って待ったりする挙動も、公式発表で紹介されています^[1:4]。

もう 1 つの特徴は、難しい質問の扱い方です。
Web 検索や深い推論が必要な質問は、裏側で最新のフロンティアモデルに委譲され、会話を続けている間に処理された結果が会話に戻ってきます^[1:5]。画面に時刻や天気、株価などのビジュアルカードが表示されるのも、この仕組みの一部です。

会話中に使えるインテリジェンスの設定は、公式には Instant、Medium、High の 3 段階です^[1:6]。
すぐ答えてほしいときは Instant、じっくり考えてほしいときは Medium や High と、思考時間を用途に合わせて切り替えられます。

個人的には、Live は「音声入力」より「会話相手」に近いと感じました。
ターン制の延長ではなくアーキテクチャから変わっていると知って、体感の違いにも納得できました。今までのモデルよりも、話しながら考えを整理する用途に寄っています。

音声モデルごとに試してみた感想

Live: 途中で話しても会話が続きやすい

最初に感じたのは、返事がかなり自然だという点です。
テキストでやりとりする ChatGPT とは違い、会話の流れでそのまま相談できます。

特に良かったのは、話しかけてから返ってくるまでの待ち時間が短いところです。
少し考えを整理したいときに、すぐ返事があるので使いやすいと思いました。

声で相談できるので、文章にする前のふわっとした考えも投げやすいです。
ブログの構成や作業の進め方を軽く相談する用途には、かなり向いていると思いました。

また、ChatGPT が話している途中に「あ、やっぱり別の観点で」と言い直しても、会話を続けやすい印象でした。
ここが Standard との一番大きな違いです。

画面には時刻や天気なども表示されるので、会話をしながらちょっとした情報を確認できるのも地味に便利でした。
インテリジェンスの設定を切り替えれば、すぐに答えてほしいときと、少し考えてから答えてほしいときを使い分けられます。

実際に英語で話しかけてみると、英語学習の練習相手としてもかなり役立つという発見がありました。
文章を書くより気軽に話せるので、発音や言い回しをその場で試しながら練習できます。

Advanced: 画面共有や動画を使いたいときの選択肢

Advanced は、公式ヘルプではこれまでのリアルタイム音声体験という位置づけです。
会話としては十分使いやすいですが、Live と比べると少し「順番に話す」感覚が残りました。

一番の強みは、ビデオや画面共有で外の景色やスマートフォンの画面をリアルタイムに送れる点です。これができるのは、今のところ Advanced だけでした。
Live は起動時点では動画や画面共有に対応していないため、用途によって選び分けるのが良さそうです。

Standard: 応答のラグが気になる旧世代寄りの体験

Standard は、音声認識 → テキスト LLM → 音声合成という3段構成で処理が進む、旧世代寄りの音声体験です。
自然な会話というより、音声でプロンプトを入力している感覚に近い印象でした。

正直なところ、応答までのラグが気になり、使いづらいと感じました。用途としては、音声入力とほとんど変わりません。
会話中に文字が見えなかったり、こちらから文字を打てなかったりする UI 面の使いにくさもありました。

GPT-Live-1 の良かったところ

使ってみて良かったところは、次の 2 つです。

• 実際の会話のように話せる
• 考える量を調整できる

テキストのやりとりでは、送ってから返事をもらうまでに間が空きます。Live は話している途中でも割り込めるので、実際に人と話しているときに近い感覚で相談できました。
また、インテリジェンスの設定を変えれば、すぐに答えてほしいときと、少し考えてから答えてほしいときを使い分けられます。難しい相談をするときほど、この切り替えが役立ちました。

少し気になったところ

音声データの扱いには注意が必要であり、公式ヘルプによれば Live と Advanced の音声クリップはチャット履歴と一緒に 30 日間保存されると説明されています^[2:2]。
そのため、社外秘や個人情報をそのまま話す使い方は避けたほうが安全です。

まとめ

今回は、GPT-Live-1 が出たので ChatGPT Voice の音声モデルの違いを試してみました。
Live、Advanced、Standard の中では、Live が一番「会話している」感覚に近かったです。

Standard は応答のラグが気になり、積極的には勧めにくいというのが正直な感想です。
画面共有や動画を使う相談なら Advanced、考えを声に出して整理する壁打ち相手として使うなら、GPT-Live-1 の Live が一番しっくりきました。

本ブログが ChatGPT Voice の Live、Advanced、Standard の違いが気になっている方の参考になれば幸いです。

クラスメソッドオペレーションズ株式会社について

クラスメソッドグループのオペレーション企業です。

運用・保守開発・サポート・情シス・バックオフィスの専門チームが、IT・AIをフル活用した「しくみ」を通じて、お客様の業務代行から課題解決や高付加価値サービスまでを提供するエキスパート集団です。

当社は様々な職種でメンバーを募集しています。

「オペレーション・エクセレンス」と「らしく働く、らしく生きる」を共に実現するカルチャー・しくみ・働き方にご興味がある方は、クラスメソッドオペレーションズ株式会社 コーポレートサイト をぜひご覧ください。※2026年1月 アノテーション㈱から社名変更しました