OpenAIはフルデュプレックス会話向けモデルGPT-Live-1をAPIで提供開始したとされる。割り込みや相づちを自然に処理し、従来の連鎖処理より低遅延で、トーンやペースをプロンプトから制御できる。バックエンド処理の委任も可能で、料金は約1分0.05ドルと手頃な水準が語られている。日本の実装者からもレスポンスの速さへの反応があり、ロボット・カスタマーサポート・語学学習などへの適用が期待されている。
エンジニア視点:
- 音声UXを自前でステートマシン管理する負荷を下げられる
- 料金は分単位課金なのでセッション設計と無音切断が重要
- 既存Realtime/音声スタックとの比較検証が導入判断の中心