ChatGPT Voice、desktop版でCodexと複数agent操作へ拡張する音声操作の新段階

音声が作業指揮の入口になる

ChatGPT Voiceは、会話を聞く機能からdesktop上の作業制御へ踏み出した。OpenAIは投稿で、音声だけで

“Control your computer”

でき、ChatGPT WorkやCodexで走る複数agentを指示できると説明した。対象はmacOSとWindowsのdesktop appで、Plus、Pro、Business、Edu、Enterpriseプランに世界展開される。

中心にあるのはGPT-Liveだ。OpenAIによれば、この仕組みは話し、聞き、同時にapp内の作業を調整する。開発や業務agentの現場では、指示、実行、確認、再指示の往復が大きな摩擦になる。音声がそこに入ることで、画面を見ながらCodexへ修正方針を伝えたり、複数agentの作業を止めずに方向転換したりする使い方が現実味を帯びる。

OpenAIの公式アカウントは、製品の提供範囲やmodel適用を短く伝える場として使われることが多い。今回の投稿も、別途の長い説明より先に、対応OS、対応プラン、Codexとの接続を具体的に示した。続く投稿では、iOS appからpaired remote accessでCodexのVoice利用も可能になり、Android対応は今後とされた。

次に見るべき点は権限管理だ。音声でcomputerを操作する機能は便利だが、確認が必要な操作、企業の監査ログ、誤認識時の取り消しが弱ければ導入は進みにくい。元の投稿はこちらで確認できる。